我的数据集包含1000个集合，我正在将其用于分类问题。我使用LR和SVM作为机器学习算法。我想知道我是否应该使用训练集中的Bootstrapping，然后应用LR&SVM还是使用原始数据集的Bootstrapping？当我查看准确度分数时，我不应该使用来自原始数据集的自举。
从原始数据集启动无法实现拥有两个不同数据集(训练/测试(的目的。您总是在训练数据集上训练模型，并在测试数据集上计算准确性或其他分数。
如果您从原始数据集引导，您将在整个数据集(的一个子集(上训练您的模型，该数据集将包括测试数据集的一部分，因此您的结果指标(您将基于测试数据集计算(将有偏差，因为您在测试数据集的部分上训练了模型。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium