bootstrap方法

Bootstrap方法是一种统计学中的重采样技术，用于估计统计量的分布、置信区间和标准误差。它通过从原始数据中有放回地抽取样本，生成多个“自助样本”，进而计算统计量的分布特征。

Bootstrap方法广泛应用于回归分析、分类模型评估等领域，尤其在数据量较小或分布未知时表现良好。其核心思想是利用现有数据模拟更多可能的样本，提高统计推断的可靠性。