Bootstrapping konfidenčního intervalu
Užitečný nástroj pro posouzení variability dat je bootstrap. V tomto cvičení napíšeš vlastní bootstrappovací funkci, která vrátí bootstrapovaný konfidenční interval.
Tato funkce přijímá tři parametry: 2D pole čísel (data), seznam percentilů k výpočtu (percentiles) a počet bootstrapových iterací (n_boots). K vygenerování bootstrapového vzorku využívá funkci resample a celý proces opakuje mnohokrát, aby vypočítala konfidenční interval.
Toto cvičení je součástí kurzu
Machine Learning pro data časových řad v Pythonu
Pokyny k cvičení
- Funkce by měla iterovat přes počet bootstrapů (daný parametrem
n_boots) a:- Vzít náhodný vzorek dat s opakováním a vypočítat průměr tohoto náhodného vzorku
- Vypočítat percentily
bootstrap_meansa vrátit je
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from sklearn.utils import ____
def bootstrap_interval(data, percentiles=(2.5, 97.5), n_boots=100):
"""Bootstrap a confidence interval for the mean of columns of a 2-D dataset."""
# Create our empty array to fill the results
bootstrap_means = np.zeros([n_boots, data.shape[-1]])
for ii in range(____):
# Generate random indices for our data *with* replacement, then take the sample mean
random_sample = ____
bootstrap_means[ii] = random_sample.mean(axis=0)
# Compute the percentiles of choice for the bootstrapped means
percentiles = ____(bootstrap_means, percentiles, axis=0)
return percentiles