Bootstrapping परिचय

Python में Sampling

James Chapman

Curriculum Manager, DataCamp

With or without

बिना रिप्लेसमेंट का सैंपलिंग:

कसीनो टेबल पर ताश के पत्ते।

रिप्लेसमेंट के साथ सैंपलिंग ("resampling"):

चार घूमते पासे।

बिना रिप्लेसमेंट की सरल रैंडम सैंपलिंग

Population:

पंक्तियों और स्तंभों में सजे कॉफी बीन्स।

Sample:

पंक्तियों और स्तंभों में सजे कॉफी बीन्स, जिनमें से अधिकतर ग्रे किए गए हैं।

रिप्लेसमेंट की सरल रैंडम सैंपलिंग

Population:

पंक्तियों और स्तंभों में सजे कॉफी बीन्स।

Resample:

कॉफी बीन्स का रैंडम सैंपल, जिनमें कुछ डुप्लिकेट हैं।

रिप्लेसमेंट के साथ क्यों सैंपल करें?

coffee_ratings: सभी कॉफी की बड़ी जनसंख्या का एक सैंपल
हमारे सैंपल की हर कॉफी कई काल्पनिक जनसंख्या कॉफी का प्रतिनिधित्व करती है
रिप्लेसमेंट के साथ सैंपलिंग एक प्रॉक्सी है

कॉफी डेटा तैयारी

coffee_focus = coffee_ratings[["variety", "country_of_origin", "flavor"]]
coffee_focus = coffee_focus.reset_index()

      index  variety country_of_origin  flavor
0         0     None          Ethiopia    8.83
1         1    Other          Ethiopia    8.67
2         2  Bourbon         Guatemala    8.50
3         3     None          Ethiopia    8.58
4         4    Other          Ethiopia    8.50
...     ...      ...               ...     ...
1333   1333     None           Ecuador    7.58
1334   1334     None           Ecuador    7.67
1335   1335     None     United States    7.33
1336   1336     None             India    6.83
1337   1337     None           Vietnam    6.67

[1338 rows x 4 columns]

.sample() से रिसैंपलिंग

coffee_resamp = coffee_focus.sample(frac=1, replace=True)

      index  variety country_of_origin  flavor
1140   1140  Bourbon         Guatemala    7.25
57       57  Bourbon         Guatemala    8.00
1152   1152  Bourbon            Mexico    7.08
621     621  Caturra          Thailand    7.50
44       44     SL28             Kenya    8.08
...     ...      ...               ...     ...
996     996   Typica            Mexico    7.33
1090   1090  Bourbon         Guatemala    7.33
918     918    Other         Guatemala    7.42
249     249  Caturra          Colombia    7.67
467     467  Caturra          Colombia    7.50

[1338 rows x 4 columns]

दोहराई गई कॉफियाँ

coffee_resamp["index"].value_counts()

658     5
167     4
363     4
357     4
1047    4
       ..
771     1
770     1
766     1
764     1
0       1
Name: index, Length: 868, dtype: int64

मिसिंग कॉफियाँ

num_unique_coffees = len(coffee_resamp.drop_duplicates(subset="index"))

len(coffee_ratings) - num_unique_coffees

Bootstrapping

जनसंख्या से सैंपलिंग का उलटा

Sampling: जनसंख्या से छोटे सैंपल की ओर जाना

Bootstrapping: सैंपल से सैद्धांतिक जनसंख्या बनाना

Bootstrapping उपयोग मामला:

एक ही सैंपल से सैंपलिंग वैरिएबिलिटी को समझना

एक काउबॉय बूट।

Bootstrapping प्रक्रिया

मूल सैंपल के बराबर आकार का एक रिसैंपल बनाइए
इस bootstrap सैंपल के लिए इच्छित स्टैटिस्टिक निकालिए
चरण 1 और 2 कई बार दोहराइए

बने हुए स्टैटिस्टिक्स को bootstrap statistics कहते हैं, और ये मिलकर bootstrap distribution बनाते हैं

कॉफी के mean flavor का Bootstrapping

import numpy as np

mean_flavors_1000 = []

for i in range(1000):

    mean_flavors_1000.append(

        np.mean(coffee_sample.sample(frac=1, replace=True)['flavor'])

    )

Bootstrap distribution हिस्टोग्राम

import matplotlib.pyplot as plt
plt.hist(mean_flavors_1000)
plt.show()

mean flavor का bootstrap distribution

अभ्यास करते हैं!

Python में Sampling