自助法构建置信区间
评估数据变异性的一种有用工具是自助法（bootstrap）。在本练习中，您将编写自己的自助法函数，用来返回一个自助法置信区间。
该函数包含 3 个参数：一个 2 维数值数组（data）、需要计算的百分位数列表（percentiles），以及要进行的自助迭代次数（n_boots）。它使用 resample 函数生成一次自助样本，然后重复多次以计算置信区间。
本练习是课程的一部分
Python 中的时间序列机器学习
练习说明
- 该函数应按自助次数参数（
n_boots）进行循环，并执行：- 对数据进行一次有放回的随机抽样，并计算该随机样本的均值
- 计算
bootstrap_means的百分位数并返回
交互式实操练习
通过完成这段示例代码来试试这个练习。
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