The Elements of Statistical Learning 9.5分
读书笔记 Bootstrap versus Maximum Likelihood
子莒

实质上,Bootstrap是非参数或参数极大似然的计算机实现。最大似然公式的自举的优点是,它允许我们在没有公式的情况下计算标准误差和其他量的最大似然估计。

在我们的例子中,假设我们自适应地选择通过交叉验证的数量和定义的B样条曲线的节点的位置,而不是把他们提前。以节点及其位置的集合表示为lamda。然后,标准误差和置信带应该考虑到lamda的自适应选择,但没有办法进行分析。

借助Bootstrap,我们计算了每个自举样本的自适应节点选择b样条平滑。由此从噪声中目标的变化以及从lamda可以产生曲线的百分比捕捉。在这个特定的例子中,置信带(没有显示)看起来与固定带不太一样。但在其他问题中,如果使用更多的适应,这可能是一个重要的捕获效果。

0
《The Elements of Statistical Learning》的全部笔记 72篇
豆瓣
免费下载 iOS / Android 版客户端