Построение доверительного интервала методом бутстрэпа
Бутстрэп — полезный инструмент для оценки изменчивости данных. В этом упражнении вы напишете собственную функцию бутстрэпирования, которая возвращает доверительный интервал.
Функция принимает три параметра: двумерный массив чисел (data), список процентилей для вычисления (percentiles) и количество итераций бутстрэпа (n_boots). Она использует функцию resample для формирования бутстрэп-выборки и повторяет этот процесс многократно, чтобы рассчитать доверительный интервал.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
- Функция должна выполнять цикл по числу итераций бутстрэпа (задаётся параметром
n_boots) и:- Брать случайную выборку из данных с возвращением и вычислять среднее значение этой выборки
- Вычислять процентили
bootstrap_meansи возвращать результат
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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