ما مدام داده‌های فراوانی برای پروژه‌های خویش نداریم. اکثر وقت ها، ما فقط یک گروه داده مثال داریم که به جهت کمبود منابع برای اجرا آزمایشات مکرر (مانند تست A/B) با آن کار کنیم.
خوشبختانه، ما طرز‌های مثال‌گیری دوباره داریم تا از هر داده‌ای که داریم بیش‌ترین استفاده را بکنیم. بوت استرپینگ یک تکنیک مثال گیری دوباره میباشد که در حالتی که طراحی سایت در مشهد که سبک خویش را تنها یکبار بر روی مثال مهم در اختیار بگذاریم، داده ها دیگری در چنگ ما قرار میدهد.
در حالی که ممکن میباشد ما با «چه» و «چه‌گونه» پشت بوت استرپینگ آشنا باشیم، غرض این نوشته‌ی علمی ارائه «چرایی» بوت استرپینگ به روش‌ای غیر انسانی می باشد.
گردآوری‌بندی سریع بوت استرپینگ
هدف از بوت استرپ ساخت یک تقریب (از جمله معدل مثال x) برای پارامتر جمعیت (به عنوان مثال، معدل جامعه θ) براساس یک سری مثال داده به‌دست‌آمده از مثال اساسی میباشد.
بوت استرپینگ با مثال‌برداری مکرر (با جایگزینی) دسته داده مثال برای تشکیل داد مثال‌های مشابه‌سازی گردیده انجام میگردد. طراحی سایت هر مثال بوت استرپ مشابه‌سازی گردیده برای به حساب آوردن تقریب پارامتر استعمال می شود و بعد این برآوردها ادغام میگردند تا یک توزیع مثال‌برداری را تشکیل دهند.
بعد از آن توزیع مثال‌گیری بوت استرپ به ما اذن می دهد تا استنتاج‌های آماری مانند برآورد خطای استاندارد پارامتر را بدست آوریم.
پروسه خودراه انداز | تصویر از نویسنده
عکس ۲:
چرا بوت استرپینگ شغل می‌نماید؟
شما می بایست تعجب فرمائید، چه‌طور شغل مثال‌گیری مکرر از یک گروه داده مثال به ما اذن میدهد تا در زمینه‌ی داده های عددی جمعیت استنتاج کنیم؟
در موقعیت ایده‌آل، ما میخواهیم چندین مثال جدا از دنیای واقعی را از جمعیت حقیقی وواقعی بگیریم تا داده های عددی جمعیت را شعور کنیم. با این موقتا، ما پیش از این اثبات کرده‌ایم که‌این کار ممکن میباشد مدام ممکن نباشد.
بدین ترتیب، ما بایستی با مجموعه داده‌های مثال اتوماتیک کنیم، که تبدیل به شایسته ترین (و تنها) اطلاعاتی می شود که درباره ی جمعیت داریم.
منطقی میباشد فرض کنیم که بیشتر مثال‌ها (در صورتی به طور تصادفی کشیده شوند) نسبتاً مشابه جمعیتی خواهند بود که از آن منشا می‌گیرند. با در نظر گرفتن این مورد، به این مضمون میباشد که داده‌های مثال مارا می‌توان تحت عنوان جمعیتی در لحاظ گرفت که ما وانمود میکنیم جمعیت حقیقی وواقعی را علامت می دهد.
با این جمعیت تظاهر کننده می توانیم مثال‌های تصادفی چندگانه (بوت استرپ) را از آن ترسیم کنیم. این به سیرتکامل‌ای میباشد که گویی ما چندین مثال از جمعیت واقعی را به دست می آوریم.
دقت: در واقعیت، مثال اصلی فقط یک مثال میباشد که ما از جمعیت حقیقی و واقعی داریم.
از‌آنجا‌که مثال‌برداری با جایگزینی مجاز است، مثال‌های بوت استرپ را می‌توان تحت عنوان مثال‌های تصادفی تشکیل داد گردیده پایین روش‌ها و احتمالات متعدد در حیث گرفت.
داده ها جمع‌آوری‌گردیده مثال‌برداری گردیده از این مثال‌های بوت استرپ در غایت به ما کمک خواهد کرد تا برآوردهای دقیقی از پارامتر جمعیت، از جمله معدل جمعیت، به دست آوریم.
عکس ۳: تصویر از یک پیشگفتار به یادگیری آماری-دستکاری دوم
پس مثال‌برداری بوت استرپ چقدر موثر میباشد؟ تصویر بالا برآوردهای پارامتر (α) را از ۱۰۰۰ مثال مشابه‌سازی گردیده از جمعیت حقیقی و واقعی در مقابل ۱۰۰۰ مثال بوت استرپ مقایسه می‌نماید.
می‌توانیم ببینیم که نمودارهای میله‌ای دارنده گستره‌های مشابهی می باشند، که علامت میدهد طرز بوت استرپ میتواند به صورت موثری تغییرپذیری مرتبط با برآورد پارامتر را برآورد نماید.
خلاصه
دراین نوشته‌ی‌علمی، ما یک توضیح ساده از شهود پشت بوت استرپینگ را بازرسی کردیم. امیدوارم که‌این تایپ کردن شعور بهتری از بوت استرپینگ و اینکه چرا از حیث تئوری و عملی شغل می‌نماید، به شما بدهد.
مضمون کلیدی این است که فرض می گردد مثال اصلی نماینده جمعیت باشد. با مثال‌گیری دوباره این مثال چند بار، ما یک توزیع مثال‌گیری نسبتا ظریف از تقریب مثال پارامتر جمعیت بدست می آوریم.
ولی، چند هشدار دراین باره وجود دارد. از جمله، در حالت بی آلایش مثال‌گیری از جمعیت حقیقی وواقعی، ما هیچوقت یک مثال به اندازه کل جمعیت نخواهیم گرفت. با این موقتا، به کارگیری از اندازه مثال شبیه با دسته داده اساسی در بوت استرپینگ رایج است.
برای جزئیات بیشتر در امر هشدارهای متعدد، میتوانید این آیتم را در اینجا مطالعه فرمائید.
ما مدام داده‌های فراوانی برای پروژه‌های خویش نداریم. اکثر وقت ها، ما فقط یک گروه داده مثال داریم که به جهت کمبود منابع برای اجرا آزمایشات مکرر (مانند تست A/B) با آن کار کنیم.
خوشبختانه، ما طرز‌های مثال‌گیری دوباره داریم تا از هر داده‌ای که داریم بیش‌ترین استفاده را بکنیم. بوت استرپینگ یک تکنیک مثال گیری دوباره میباشد که در حالتی که طراحی سایت در مشهد که سبک خویش را تنها یکبار بر روی مثال مهم در اختیار بگذاریم، داده ها دیگری در چنگ ما قرار میدهد.
در حالی که ممکن میباشد ما با «چه» و «چه‌گونه» پشت بوت استرپینگ آشنا باشیم، غرض این نوشته‌ی علمی ارائه «چرایی» بوت استرپینگ به روش‌ای غیر انسانی می باشد.
گردآوری‌بندی سریع بوت استرپینگ
هدف از بوت استرپ ساخت یک تقریب (از جمله معدل مثال x) برای پارامتر جمعیت (به عنوان مثال، معدل جامعه θ) براساس یک سری مثال داده به‌دست‌آمده از مثال اساسی میباشد.
بوت استرپینگ با مثال‌برداری مکرر (با جایگزینی) دسته داده مثال برای تشکیل داد مثال‌های مشابه‌سازی گردیده انجام میگردد. طراحی سایت هر مثال بوت استرپ مشابه‌سازی گردیده برای به حساب آوردن تقریب پارامتر استعمال می شود و بعد این برآوردها ادغام میگردند تا یک توزیع مثال‌برداری را تشکیل دهند.
بعد از آن توزیع مثال‌گیری بوت استرپ به ما اذن می دهد تا استنتاج‌های آماری مانند برآورد خطای استاندارد پارامتر را بدست آوریم.
پروسه خودراه انداز | تصویر از نویسنده
عکس ۲:
چرا بوت استرپینگ شغل می‌نماید؟
شما می بایست تعجب فرمائید، چه‌طور شغل مثال‌گیری مکرر از یک گروه داده مثال به ما اذن میدهد تا در زمینه‌ی داده های عددی جمعیت استنتاج کنیم؟
در موقعیت ایده‌آل، ما میخواهیم چندین مثال جدا از دنیای واقعی را از جمعیت حقیقی وواقعی بگیریم تا داده های عددی جمعیت را شعور کنیم. با این موقتا، ما پیش از این اثبات کرده‌ایم که‌این کار ممکن میباشد مدام ممکن نباشد.
بدین ترتیب، ما بایستی با مجموعه داده‌های مثال اتوماتیک کنیم، که تبدیل به شایسته ترین (و تنها) اطلاعاتی می شود که درباره ی جمعیت داریم.
منطقی میباشد فرض کنیم که بیشتر مثال‌ها (در صورتی به طور تصادفی کشیده شوند) نسبتاً مشابه جمعیتی خواهند بود که از آن منشا می‌گیرند. با در نظر گرفتن این مورد، به این مضمون میباشد که داده‌های مثال مارا می‌توان تحت عنوان جمعیتی در لحاظ گرفت که ما وانمود میکنیم جمعیت حقیقی وواقعی را علامت می دهد.
با این جمعیت تظاهر کننده می توانیم مثال‌های تصادفی چندگانه (بوت استرپ) را از آن ترسیم کنیم. این به سیرتکامل‌ای میباشد که گویی ما چندین مثال از جمعیت واقعی را به دست می آوریم.
دقت: در واقعیت، مثال اصلی فقط یک مثال میباشد که ما از جمعیت حقیقی و واقعی داریم.
از‌آنجا‌که مثال‌برداری با جایگزینی مجاز است، مثال‌های بوت استرپ را می‌توان تحت عنوان مثال‌های تصادفی تشکیل داد گردیده پایین روش‌ها و احتمالات متعدد در حیث گرفت.
داده ها جمع‌آوری‌گردیده مثال‌برداری گردیده از این مثال‌های بوت استرپ در غایت به ما کمک خواهد کرد تا برآوردهای دقیقی از پارامتر جمعیت، از جمله معدل جمعیت، به دست آوریم.
عکس ۳: تصویر از یک پیشگفتار به یادگیری آماری-دستکاری دوم
پس مثال‌برداری بوت استرپ چقدر موثر میباشد؟ تصویر بالا برآوردهای پارامتر (α) را از ۱۰۰۰ مثال مشابه‌سازی گردیده از جمعیت حقیقی و واقعی در مقابل ۱۰۰۰ مثال بوت استرپ مقایسه می‌نماید.
می‌توانیم ببینیم که نمودارهای میله‌ای دارنده گستره‌های مشابهی می باشند، که علامت میدهد طرز بوت استرپ میتواند به صورت موثری تغییرپذیری مرتبط با برآورد پارامتر را برآورد نماید.
خلاصه
دراین نوشته‌ی‌علمی، ما یک توضیح ساده از شهود پشت بوت استرپینگ را بازرسی کردیم. امیدوارم که‌این تایپ کردن شعور بهتری از بوت استرپینگ و اینکه چرا از حیث تئوری و عملی شغل می‌نماید، به شما بدهد.
مضمون کلیدی این است که فرض می گردد مثال اصلی نماینده جمعیت باشد. با مثال‌گیری دوباره این مثال چند بار، ما یک توزیع مثال‌گیری نسبتا ظریف از تقریب مثال پارامتر جمعیت بدست می آوریم.
ولی، چند هشدار دراین باره وجود دارد. از جمله، در حالت بی آلایش مثال‌گیری از جمعیت حقیقی وواقعی، ما هیچوقت یک مثال به اندازه کل جمعیت نخواهیم گرفت. با این موقتا، به کارگیری از اندازه مثال شبیه با دسته داده اساسی در بوت استرپینگ رایج است.
برای جزئیات بیشتر در امر هشدارهای متعدد، میتوانید این آیتم را در اینجا مطالعه فرمائید.
یک چارچوب وب چیست و چرا اهمیت دارد؟