Bootstrap-Stichproben in Python
Dies ist ein Tutorial zu Bootstrap-Sampling in Python. In diesem Tutorial werden wir lernen, was Bootstrapping ist, und dann sehen, wie man es implementiert.
Lass uns anfangen.
Was ist Bootstrap-Sampling?
Die Definition für Bootstrap-Sampling lautet wie folgt:
In der Statistik ist Bootstrap-Sampling eine Methode, die das wiederholte Ziehen von Stichprobendaten mit Zurücklegen aus einer Datenquelle beinhaltet, um einen Populationsparameter zu schätzen.
Das bedeutet im Grunde, dass Bootstrap-Stichprobennahme eine Technik ist, mit der Sie Parameter wie den Mittelwert einer gesamten Bevölkerung schätzen können, ohne dabei jeden einzelnen Datenpunkt in der Bevölkerung ausdrücklich berücksichtigen zu müssen.
Anstatt die gesamte Bevölkerung zu betrachten, betrachten wir mehrere Teilmengen gleicher Größe, die aus der Bevölkerung entnommen wurden.
Zum Beispiel, wenn Ihre Bevölkerungsgröße 1000. beträgt. Um den Mittelwert zu finden, können Sie anstelle aller 1000 Einträge 50 Proben mit jeweils 4 Einträgen nehmen und den Mittelwert für jede Probe berechnen. Auf diese Weise nehmen Sie im Durchschnitt 200 Einträge (50X4), die zufällig ausgewählt werden.
Eine ähnliche Strategie wird von Marktforschern verwendet, um Forschung in einer großen Bevölkerung durchzuführen.
Wie implementiert man Bootstrap-Sampling in Python?
Lass uns nun anschauen, wie man Bootstrap-Sampling in Python implementiert.
Wir werden einige zufällige Daten mit einem vorgegebenen Mittelwert generieren. Dazu verwenden wir das NumPy-Modul in Python.
Lass uns damit beginnen, die notwendigen Module zu importieren.
1. Importieren Sie die erforderlichen Module.
Die Module, die wir benötigen, sind:
- Numpy
- Zufällig
Um diese Module zu importieren, verwenden Sie:
import numpy as np
import random
Im nächsten Schritt müssen wir einige zufällige Daten generieren. Lass uns das mit dem Numpy-Modul tun.
2. Zufällige Daten generieren
Lass uns eine Normalverteilung mit einem Mittelwert von 300 und 1000 Einträgen erzeugen.
Der Code dafür ist unten angegeben:
x = np.random.normal(loc= 300.0, size=1000)
Wir können den Mittelwert dieser Daten berechnen mit:
print (np.mean(x))
Ausgabe :
300.01293472373254
Beachten Sie, dass dies der tatsächliche Mittelwert der Population ist.
3. Verwenden Sie Bootstrap-Stichproben, um den Mittelwert zu schätzen.
Lass uns 50 Stichproben der Größe 4 erstellen, um den Mittelwert zu schätzen.
Der Code dafür lautet:
sample_mean = []
for i in range(50):
y = random.sample(x.tolist(), 4)
avg = np.mean(y)
sample_mean.append(avg)
Die Liste sample_mean enthält den Mittelwert für alle 50 Stichproben. Um den Mittelwert der Population zu schätzen, müssen wir den Mittelwert für sample_mean berechnen.
Das kannst du so machen:
print(np.mean(sample_mean))
Ausgabe :
300.07261467146867
Wenn wir den Code in diesem Abschnitt jetzt erneut ausführen, erhalten wir eine andere Ausgabe. Das liegt daran, dass wir jedes Mal, wenn wir den Code ausführen, neue Proben generieren. Allerdings wird die Ausgabe jedes Mal nahe am tatsächlichen Mittelwert (300) liegen.
Beim erneuten Ausführen des Codes in diesem Abschnitt erhalten wir folgende Ausgabe:
299.99137705245636
Wenn wir es erneut ausführen, erhalten wir:
300.13411004148315
Vollständiger Code zur Implementierung von Bootstrap-Sampling in Python
Hier ist der komplette Code für dieses Tutorial:
import numpy as np
import random
x = np.random.normal(loc= 300.0, size=1000)
print(np.mean(x))
sample_mean = []
for i in range(50):
y = random.sample(x.tolist(), 4)
avg = np.mean(y)
sample_mean.append(avg)
print(np.mean(sample_mean))
Schlussfolgerung
Dieses Tutorial handelte von Bootstrap-Sampling in Python. Wir haben gelernt, wie man den Mittelwert einer Population schätzt, indem man kleinere Stichproben erstellt. Dies ist in der Welt des maschinellen Lernens sehr nützlich, um Überanpassung zu vermeiden. Ich hoffe, Sie hatten Spaß beim Lernen mit uns!