Бутстреп для довірчого інтервалу
Корисний інструмент для оцінювання мінливості даних — це бутстреп. У цій вправі ви напишете власну функцію бутстрепування, яку можна використати, щоб повернути бутстрепований довірчий інтервал.
Функція приймає три параметри: двовимірний масив чисел (data), список процентилів для обчислення (percentiles) і кількість ітерацій бутстрепу (n_boots). Вона використовує функцію resample, щоб згенерувати бутстреп-зразок, а потім багаторазово повторює це, щоб обчислити довірчий інтервал.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інструкції до вправи
- Функція має повторюватися за кількістю бутстрепів (задано параметром
n_boots) і:- Взяти випадкову вибірку даних із поверненням і обчислити середнє значення цієї випадкової вибірки
- Обчислити процентилі
bootstrap_meansі повернути їх
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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