我刚接到一个面试问题。
＆＃34;假设您要构建统计或机器学习模型，但手头的数据非常有限。你的老板告诉你可以多次复制原始数据，以便为构建模型制作更多数据＆＃34;这有帮助吗？
直观地说，它没有帮助，因为复制原始数据并不能创造更多的信息＆＃34;喂模型。
但有没有人可以更统计地解释它？谢谢
答案 0 :(得分：1)
考虑例如方差。具有重复数据的数据集将具有完全相同的方差 - 之后您没有更精确的分布估计。
然而，有一些例外。例如，引导程序验证有助于评估模型，但数据非常少。
答案 1 :(得分：0)
嗯，这完全取决于通过＆＃34;复制数据＆＃34;的具体含义。
如果一个人正在完全复制整个数据集，那么基于最大似然的方法（与常用的许多模型一样）必须找到完全相同的结果，因为重复数据的对数似然函数恰好是多重的非重复数据的对数似然，因此具有相同的最大值。 （这个论点并不适用于不基于似然函数的方法;我相信CART和其他树模型以及SVM都是这样的模型。在这种情况下，你是＆＃39;我必须找出一个不同的论点。）
然而，如果通过复制，一个意味着复制分类问题中的正例（这是常见的，因为通常存在比正数更多的负面例子），那么这确实有所不同，因为似然函数被修改
此外，如果一个意味着自举，那么这也会产生影响。
PS。可能你会在stats.stackexchange.com上对这个问题有更多兴趣。