以自助法建立信賴區間
評估資料變異性的一項好工具是自助法（bootstrap）。在這個練習中，你將撰寫自己的自助抽樣函式，用來回傳自助法的信賴區間。
這個函式需要三個參數：數值的 2 維陣列（data）、要計算的百分位數清單（percentiles），以及要進行的自助抽樣次數（n_boots）。它會使用 resample 函式產生一個自助樣本，並重複多次以計算信賴區間。
本練習屬於課程
Python 的時間序列資料機器學習
練習說明
- 這個函式應該針對自助抽樣次數（參數
n_boots）進行迴圈，並且：- 以可重複抽樣的方式，從資料中隨機抽樣，並計算此隨機樣本的平均值
- 計算
bootstrap_means的百分位數並回傳
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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