bootstrap法について、考え方と、使い方をまとめておく
方法
抽出対象となる標本データに対して、重複を許してランダムにデータを取り出して（復元抽出）、再標本化(resampling)する手法
標本データで学習すると生じる、真の値からの誤差（バイアス）を小さくするために用いる
- 例)
リサンプリング数: 3、標本数: 2のとき
X: 1, 2, 3, 4, 5x1: 1, 3
x2: 1, 5
x3: 2, 4実装
scikit-learn(0.21.3) を用いる
from sklearn import utils
# data
data = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6]
label = [1, 0, 1, 1, 0, 0]
# サンプル数は4。指定ないとdataの長さの分だけ行う
data_boot, label_boot = utils.resample(data, label, replace=True, n_samples=4, random_state=1)
print('bootstrap sample: %s' % data_boot)
print('bootstrap sample: %s' % label_boot)
# 残ったもの
o = [x for x in data if x not in boot]
print('remained sample: %s' % o)
...
bootstrap sample: [0.6, 0.4, 0.5, 0.1]
bootstrap sample: [0, 1, 0, 0]
remained sample: [0.2, 0.3]