Bootstrap法（自助法）是一种强大的统计重抽样方法，由Bradley Efron于1979年提出。它的核心思想是通过从原始数据中有放回地重复抽样，来估计统计量的分布、计算标准误、构建置信区间等，尤其适用于那些理论分布难以推导或样本量较小的情况。
你可以把它想象成一种“自我复制”的方法：利用已有的样本，通过模拟来探索统计量的可能性。
实现方法
假设原始样本大小为 n，Bootstrapping 的实现步骤如下：
从原始样本中有放回地抽取 n 次，形成一个新的样本。
重复上述步骤 B 次（通常 B 取值在 1000 到 10000 之间），形成 B 个新样本。
计算每个新样本的统计量，得到 B 个统计量的分布。
根据这些统计量的分布来估计总体的统计特征。
以下是一个简单的 Python 实现示例：
import numpy as np # 原始样本数据 data = [1, 2, 3, 4, 5,6] # 设定重采样次数 B = 10000 # 存储每次重采样的均值 means = [] # 进行 B 次重采样 for _ in range(B): sample = np.random.choice(data, size=len(data), replace=True) means.append(np.mean(sample)) # 计算均值的置信区间 conf_interval = np.percentile(means, [2.5, 97.5]) print(f"95% 置信区间: {conf_interval}")下面就是运行结果，就是说2.16666~4.83333这个区间可以涵盖95%的区域（2.5%~97.5%），只有左右极端的各2.5%取不到。这个区间就是基于Bootstrap的均值95%置信区间。
百分位数法：取Bootstrap分布的 α/2α/2 和 1−α/21−α/2 分位数作为置信区间的上下限（例如，95%置信区间取2.5%和97.5%分位数）
应用
Bootstrapping 方法在统计学和机器学习中有广泛的应用，主要包括以下几个方面：
命名实体抽取：通过不断的迭代学习过程，逐步选出增量样本，并将这些样本扩充到下一轮的训练数据中。
关系抽取：使用较小数量的标注数据作为种子，反复迭代，最终达到需要的信息规模。
抽取负样本：在知识库问答中，通过 Bootstrapping 方法选择能使模型混淆的负样本以进一步训练模型。
优缺点
优点：
不需要大样本量，适用于小型数据集。
处理异常值效果较好。
缺点：
计算时间较长。
结果不能被理解为 100% 确定的正确，会有一定的误差幅度。
总结
Bootstrap法本质是一种基于计算能力的“仿真工具”。它通过把已有的样本当作“虚拟总体”，反复从中抽样来模拟统计量的抽样分布，从而绕过了复杂的理论推导，为统计推断提供了一个非常灵活和实用的框架。它已成为现代统计学、机器学习、数据科学中不可或缺的工具之一。
