我有15个样本，并且进行回归分析有点小。
有人告诉我，使用自举技术增加样本数将使我的数据更具统计意义。所以我试过了。
我首先尝试的是让我的样本数从15到1000通过＆＃39;重新采样＆＃39;来自Python的scikit-learn的功能。
http://scikit-learn.org/stable/modules/generated/sklearn.utils.resample.html
但是当我看到＆＃39; resample＆＃39;的源代码时函数，似乎没有关于bootstrapping的东西。
所以，这是我的问题。
Q1：使用Bootstrapping技术将15个样本重新采样到1000个具有统计意义吗？
Q2：如果是，如何在Python环境中实现它？
感谢。
答案 0 :(得分：3)
Q1。虽然bootstrap本身是一种广泛使用且统计上有效的技术，但15个样本可能太小而无法做任何有用的事情。
可能存在特定于域的原因，您认为15个样本代表您感兴趣的人群。在这种情况下，您可以使用引导程序。您可能想要考虑的一件事是将引导程序与数据中的变体相结合。即，每次数据重新采样时，都会向新数据添加一些噪声，然后将其附加到原始数据集。
这是了解bootstrap技术及其变体的绝佳资源： http://www.stat.cmu.edu/~cshalizi/402/lectures/08-bootstrap/lecture-08.pdf
Q2。您使用sklearn功能进入了正确的轨道。正如在提到的那样 文档，resample函数实现了bootstrap的一个步骤。
基本上你需要做的是运行一个循环，在原始数据上调用resample函数并将其附加到新的DataFrame，直到新DataFrame的大小为1000.注意：新的DataFrame也应该包含原始数据数据
重新取样功能将返回随机选择的数据子集。随机子集中的观察数等于n_samples的值。例如，如果设置n_samples = 10，则replace函数将返回10个数据点。如果设置n_samples = 15，则resample将每次返回整个数据集。
您需要考虑的另一个参数是替换。如果replace为True，则可以在replace返回的子集中重复原始数据中的数据点。如果replace为False，则原始数据中的每个数据点只能在子集中出现一次。
这些参数的选择将取决于您拥有的数据，但合理的方法可能是设置n_samples＆lt; 15和replace = True以增加resample返回的数据的变化。