信頼区間のブートストラップ
データのばらつきを評価するうえで便利な手法がブートストラップです。この演習では、ブートストラップした信頼区間を返す独自の関数を作成します。
この関数は3つの引数を取ります。数値の2次元配列（data）、計算するパーセンタイルのリスト（percentiles）、使用するブートストラップ反復回数（n_boots）です。resample 関数を使ってブートストラップサンプルを生成し、これを複数回繰り返して信頼区間を計算します。
この演習はコースの一部です
Pythonで学ぶMachine Learningによる時系列データ解析
演習の手順
- 関数は、ブートストラップの回数（パラメータ
n_boots）だけループし、次を実行します。- データから置換ありでランダムサンプルを取り、そのサンプルの平均を計算する
bootstrap_meansのパーセンタイルを計算し、それを返す
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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