重抽样技术

重抽样技术（resampling method），理学-统计学-大数据统计分析-数据简化，通过反复从训练集中抽取样本，对每一个样本重新拟合一个感兴趣的模型，来获取关于拟合模型附加信息的技术。重抽样技术假设观测集中的样本能够反映总体特征，因此，对观测集进行反复抽样可视为从一个总体中得到不同的样本。由于该过程中重复多次抽取样本，因此称为重抽样技术。经典的重抽样技术主要包含交叉验证法和自助法等方法。交叉验证的思想源于20世纪30年代，经过众多学者的发展，美国统计学家F.莫斯特勒（Frederick Mosteller）和J.W.图基（John Wilder Tukey）于1968年对该方法做出完整陈述。美国统计学家B.埃弗龙（Bradley Efron）于1979年提出非参数的自助法。随后发展出参数自助法、残差重抽样、平滑自助抽样和加权自助抽样等方法。重抽样技术通过反复从训练集中抽取样本，然后对每一个样本重新拟合一个感兴趣的模型，来获取关于拟合模型的附加信息。交叉验证法和自助法是两种常用的重抽样方法。①交叉验证法。