부트스트랩 샘플링

1. 부트스트랩 샘플링

• 부트스트랩 샘플링(Bootstrap Sampling)은 통계학에서 사용되는 중요한 기법 중 하나
• 주어진 데이터셋에서 중복을 허용하여 무작위로 샘플을 추출하는 방법
• 이 과정은 원본 데이터셋의 크기와 동일한 여러 개의 샘플 세트를 생성하여, 통계적 추정치나 모델의 성능을 평가하는 데 사용

2. 부트스트랩 샘플링의 과정

• 중복 허용 추출: 원본 데이터셋에서 하나의 데이터 포인트를 무작위로 선택하고, 선택된 데이터 포인트를 샘플 세트에 추가
  - 한 번 선택된 데이터 포인트는 다시 원본 데이터셋에 반환되어 재선택 가능

  • 이 과정을 원본 데이터셋의 크기만큼 반복

• 샘플 세트 생성: 위의 과정을 통해 원본 데이터셋과 동일한 크기의 샘플 세트를 생성
  - 샘플 세트는 원본 데이터의 특성을 반영하지만, 중복된 데이터 포인트를 포함할 수 있음

  • 일부 데이터 포인트는 포함되지 않을 수도 있습니다.

• 반복적 샘플링: 필요에 따라 이 과정을 여러 번 반복하여 여러 개의 부트스트랩 샘플 세트를 생성 가능
  - 각각의 샘플 세트는 독립적인 통계적 추정이나 모델 평가에 사용

3. 부트스트랩 샘플링의 목적

• 통계적 추정치의 신뢰구간 계산: 평균, 중앙값, 표준편차 등의 통계적 추정치에 대한 신뢰구간을 계산할 때 사용
• 모델의 성능 평가: 데이터셋이 작을 때 모델의 성능을 검증하거나, 과적합을 방지하기 위한 교차 검증(Cross-validation)의 일환으로 사용
• 데이터의 변동성 이해: 부트스트랩 샘플링을 통해 생성된 다양한 샘플 세트를 분석함으로써, 데이터 내의 변동성과 불확실성을 이해하는 데 도움
• 부트스트랩 샘플링은 간단하지만 매우 강력한 기법으로, 특히 데이터셋의 크기가 작거나, 원본 데이터의 분포에 대한 가정을 하기 어려울 때 유용하게 사용-