自助法

      自助法以自助采样法为基础，给定包含m个样本的数据集D，我们对它进行采样产生数据集D'；每次随机从D中挑选一个赝本，将其拷贝放入D'，然后再将该样本放回初始数据集D中，使得该样本在下次采样时仍有可能被采到；这个过程重复执行m次后，就得到了包含m个样本的数据集D'，这就是自助采样的结果。

      自助法在数据集较小、难以有效划分训练/测试集时很有用；此外，自助法能从初始数据集中产生多个不同的训练集，这对集成学习等方法有很大的好处。

      然而，自助法产生的数据集改变了初始数据集的分布，这会引入估计偏差。