bootstrap 重采样

Bootstrap重采样是一种统计学中常用的抽样方法，它通过有放回地从原始样本中进行多次抽样来获取多个样本集。这种方法可以用于评估模型的性能和观察样本的分布情况。通过多次抽样，我们可以得到多个模型结果，从而更好地进行评估，并减少过拟合的影响。同时，多个样本集还可以帮助我们观察样本本身的分布是否均匀。在回归分析中，Bootstrap重采样可以应用于简单线性回归模型，有两种常见的方法，分别是经验Bootstrap和残差Bootstrap。通过这些方法，我们能够更好地理解和分析数据，并提供更准确的结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [Bootstrap重采样实战](https://blog.csdn.net/weixin_40418213/article/details/92802953)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [bootstrap重抽样](https://blog.csdn.net/dogman_/article/details/122158052)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]