Beim Absacken werden N Lernende auf N verschiedenen Bootstrap-Beispielen erstellt und dann der Mittelwert ihrer Vorhersagen ermittelt.
Meine Frage ist: Warum nicht eine andere Art von Probenahme verwenden? Warum Bootstrap-Beispiele verwenden?
Beim Absacken werden N Lernende auf N verschiedenen Bootstrap-Beispielen erstellt und dann der Mittelwert ihrer Vorhersagen ermittelt.
Meine Frage ist: Warum nicht eine andere Art von Probenahme verwenden? Warum Bootstrap-Beispiele verwenden?
Antworten:
Interessante Frage. Der Bootstrap hat im Vergleich zu einigen Alternativen wie dem Jackknife gute Sampling-Eigenschaften. Der Hauptnachteil von Bootstrapping besteht darin, dass jede Iteration mit einem Sample arbeiten muss, das so groß ist wie der ursprüngliche Datensatz (was rechenintensiv sein kann), während einige andere Sampling-Techniken mit viel kleineren Samples arbeiten können.
In diesem Artikel wird vorgeschlagen, dass eine naive Reduzierung der Stichprobengröße die Leistung im Vergleich zum Absacken auf Bootstrap-Basis verringern kann, was ein Grund wäre, dies nicht zu tun. Das Papier stellt auch eine neuartige Methode zur Verwendung kleinerer Proben bei Absackschätzungen vor, wobei diese Probleme vermieden werden.