数据划分——自助法代码实现

最新推荐文章于 2024-10-08 21:04:46 发布

原创最新推荐文章于 2024-10-08 21:04:46 发布 · 5.2k 阅读

6 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#概率论 #机器学习

收录于

python 同时被 2 个专栏收录

16 篇文章

订阅专栏

机器学习

8 篇文章

订阅专栏

自助法是一种统计学上的有放回抽样技术，用于从有限的数据集中创建多个副本。在给定的数据集DDD中，通过随机选择并放回的方式，重复m次以形成一个新的样本集D'，每个样本在新集合中出现的次数可能不同。这种方法常用于估计统计量的方差、构建置信区间和进行模型验证。上述代码展示了如何用Python实现自助法，生成与原始数据集大小相同的样本子集。

自助法：给定包含m个样本的数据集D DD，我们对它进行采样产生数据集D′ D'D ′ ：每次随机从D DD中挑选一个样本，将其复制到D′ D'D ′ 中，然后再将其样本放回原始数据集D DD中，使得该样本在下次采样的时候也可能被采到；这个过程重复执行m次，我们就得到了包含m个样本的数据集D′ D'D ′ 。简而言之，就是从数据集D DD中，有放回随机采样m次，组成一个新样本集D′ D'D ′ 。

import numpy as np
x= np.random.randint(-10,10,10)
y=(x>0).astype(int)
bootstrapping=[]
for i in range(len(x)):
    bootstrapping.append(np.floor(np.random.random()*len(x)))
x_1=[]
y_1=[]
for i in range(len(x)):
    x_1.append(x[int(bootstrapping[i])])
    y_1.append(y[int(bootstrapping[i])])
print(x_1)
print(y_1)

结果：