主要内容

重新采样技术

使用Bootstrap,Jackknife和Cross Validation设置重新示例数据

使用重采样技术来估计当未满足参数测试假设时的样本数据的描述性统计和置信区间,或者对于来自非正常分布的小型样本。引导方法选择随机样本,从样本数据中替换,以估计感兴趣的参数的置信区间。钉书匠系统地使用样本数据的子集重新计算利息参数,每次都会离开子集(one重新采样)。从这些计算中,它估计整个数据样本的感兴趣的参数。如果您有一个并行计算工具箱™许可证,则可以使用并行计算来加快重采样计算。

职能

Bootci. 引导置信区间
Bootstrp. Bootstrap采样
横梁 使用交叉验证估算损失
datasample. 从数据中随机采样,有或没有更换
钉书匠 jackknife采样
兰德斯 随机抽样

主题

重新采样统计数据

使用Bootstrap和Jackknife方法测量估计参数和统计信息中的不确定性。

快速启动并行计算统计和机器学习工具箱

开始使用并行统计计算。

使用并行计算实施jackknife

使用并行计算加速夹克。

使用并行计算实现交叉验证

使用并行计算加速交叉验证。

使用并行计算实现Bootstrap

使用并行计算加快引导启动。