Bootstrap 大数据抽样
Bootstrap Sampling on Large Data
我有一个大型数据集，我正在尝试为该数据集中的所有实例估计函数 f(x)。以下哪种方法更好？
方法 1： 从数据集中采样 N 个实例，并对这 N 个实例使用引导程序来估计 f(x)。
方法 2： 对大型数据集采样 N 个实例 M 次。然后对这M个样本分别计算f(x)，然后聚合（例如：求平均值）结果。
没有一个明确的答案，但是通常简单地使用关于数据集的更多信息的方法更好（不太容易过度拟合）。因此，如果您的决定是 "should I use just N samples but M times internally, or M*N different samples"，那么答案将是 "in absence of problem-specific knowledge - to the second one"。
我有一个大型数据集，我正在尝试为该数据集中的所有实例估计函数 f(x)。以下哪种方法更好？
方法 1： 从数据集中采样 N 个实例，并对这 N 个实例使用引导程序来估计 f(x)。
方法 2： 对大型数据集采样 N 个实例 M 次。然后对这M个样本分别计算f(x)，然后聚合（例如：求平均值）结果。
没有一个明确的答案，但是通常简单地使用关于数据集的更多信息的方法更好（不太容易过度拟合）。因此，如果您的决定是 "should I use just N samples but M times internally, or M*N different samples"，那么答案将是 "in absence of problem-specific knowledge - to the second one"。