Τι είναι το bootstrap;

Το bootstrap είναι μια στατιστική μέθοδος που χρησιμοποιείται για την εκτίμηση της κατανομής μιας στατιστικής (π.χ., μέσος όρος, διάμεσος, συντελεστής συσχέτισης) μέσω πολλαπλών τυχαίων δειγμάτων με επιστροφή από τα αρχικά δεδομένα.

Στην μηχανική μάθηση, το bootstrap χρησιμοποιείται συχνά για την αξιολόγηση της αξιοπιστίας των μοντέλων, την κατασκευή διαστημάτων εμπιστοσύνης και σε μεθόδους συνόλου, π.χ., σε τυχαία δάση, όπου δημιουργούνται διαφορετικά υποσύνολα δεδομένων για την εκπαίδευση μεμονωμένων δέντρων.

Παράδειγμα απλού bootstrap για την εκτίμηση του μέσου όρου:

import numpy as np

data = np.array([1, 2, 3, 4, 5])
boot_means = []
for _ in range(1000):
    sample = np.random.choice(data, size=len(data), replace=True)
    boot_means.append(np.mean(sample))

# Εκτίμηση του μέσου όρου και διαστήματος εμπιστοσύνης
mean_estimate = np.mean(boot_means)
conf_interval = np.percentile(boot_means, [2.5, 97.5])
print(f"Μέσος όρος: {mean_estimate}, 95% διάστημα εμπιστοσύνης: {conf_interval}")