bootstrap方法
时间：2026-10-27 04:26:13来源：
Bootstrap方法是一种基于重抽样的统计学技术，用于估计数据的分布特性、计算置信区间或评估模型性能。其核心思想是通过从原始数据中重复抽样（有放回），生成多个样本集，从而模拟数据的变异性。
| 项目 | 内容 |
| 定义 | 一种非参数统计方法，通过重抽样估计统计量的分布 |
| 原理 | 从原始数据集中有放回地抽取样本，构建新数据集 |
| 应用 | 置信区间估计、模型评估、变量重要性分析 |
| 优点 | 不依赖分布假设，适用性强 |
| 缺点 | 计算量较大，结果受样本大小影响 |
Bootstrap方法广泛应用于机器学习和统计分析中，尤其在小样本情况下具有较高实用性。
