bootstrap算法是什么

Bootstrapping算法，指的就是利用有限的樣本資料經(jīng)由多次重復(fù)抽樣，重新建立起足以代表母體樣本分布的新樣本。bootstrapping的運用基于很多統(tǒng)計學(xué)假設(shè)，因此采樣的準(zhǔn)確性會影響假設(shè)的成立與否。

統(tǒng)計學(xué)中，bootstrapping可以指依賴于重置隨機抽樣的一切試驗。bootstrapping可以用于計算樣本估計的準(zhǔn)確性。對于一個采樣，我們只能計算出某個統(tǒng)計量(例如均值)的一個取值，無法知道均值統(tǒng)計量的分布情況。但是通過自助法(自舉法)我們可以模擬出均值統(tǒng)計量的近似分布。有了分布很多事情就可以做了（比如說有你推出的結(jié)果來進(jìn)而推測實際總體的情況）。

bootstrapping方法的實現(xiàn)很簡單，假設(shè)抽取的樣本大小為n:

在原樣本中有放回的抽樣，抽取n次。每抽一次形成一個新的樣本，重復(fù)操作，形成很多新樣本，通過這些樣本就可以計算出樣本的一個分布。新樣本的數(shù)量通常是1000-10000。如果計算成本很小，或者對精度要求比較高，就增加新樣本的數(shù)量。

優(yōu)點：簡單易于操作。

缺點：bootstrapping的運用基于很多統(tǒng)計學(xué)假設(shè)，因此假設(shè)的成立與否會影響采樣的準(zhǔn)確性。