Miért csinálunk bootstrappinget?
Pontszám: 4,9/5 ( 51 szavazat )„A Bootstrapping egy statisztikai eljárás, amely egyetlen adatkészletből mintavételez több szimulált minta létrehozásához . Ez a folyamat lehetővé teszi a standard hibák, a konfidenciaintervallumok kiszámítását és a hipotézisek tesztelését” (Forst).
Miért hajtunk végre bootstrappinget?
Ez a technika lehetővé teszi szinte bármilyen statisztika mintavételi eloszlásának becslését véletlenszerű mintavételi módszerekkel. A Bootstrapping a becslő tulajdonságait (például varianciáját) úgy becsüli meg, hogy megméri ezeket a tulajdonságokat, amikor közelítő eloszlásból vesz minta.
Mi a bootstrapping célja a gépi tanulásban?
A gépi tanulási modell minőségének értékeléséhez különösen hasznos a bootstrapping egy olyan módszer, amellyel a populáció kisebb véletlenszerű mintáinak gyűjteményén talált eredményekből egy populációra vonatkozó eredményeket lehet következtetni , a mintavételi folyamat során cserét használva.
Miért van szükségünk egy bootstrapping érvényesítési módszerre?
Ez az operátor érvényesítést hajt végre a betanítási adatkészlet mintavételezésének beindítása után, hogy megbecsülje egy tanuló operátor statisztikai teljesítményét (általában nem látott adatkészleteken). Főleg annak becslésére szolgál, hogy egy (egy adott tanulási operátor által megtanult) modell milyen pontosan fog teljesíteni a gyakorlatban.
Miért hívják bootstrapping-nek a statisztikákban?
A „bootstrapping” elnevezés a „csizmaszíjánál fogva felemelni magát” kifejezésből származik. Ez valami értelmetlen és lehetetlen dologra utal.