Las muestras de Bootstrap se utilizan para evaluar el rendimiento del algoritmo mediante muchas iteraciones. Al hacerlo, se evalúa el rendimiento en conjuntos cambiados al azar.
En contraste, cuando se realiza, por ejemplo, la validación cruzada de 10 pliegues, solo realiza 10 iteraciones en diferentes conjuntos de datos de tren y prueba.
n=20i=10,000
El enlace que postet está inactivo, así que agregué la descripción de la función en la versión actual (0.14) de sklearn
Descripción del método.
Muestreo aleatorio con iterador de validación cruzada de reemplazo Proporciona índices de tren / prueba para dividir datos en conjuntos de prueba de tren mientras remuestrea la entrada n_iter veces: cada vez que se realiza una nueva división aleatoria de los datos y luego se extraen muestras (con reemplazo) en cada lado de la división para construir los conjuntos de entrenamiento y prueba. Nota: al contrario de otras estrategias de validación cruzada, el arranque permitirá que algunas muestras ocurran varias veces en cada división. Sin embargo, una muestra que se produce en la división del tren nunca se producirá en la división de prueba y viceversa. Si desea que cada muestra ocurra como máximo una vez, probablemente debería usar la validación cruzada ShuffleSplit en su lugar.