Bootstrap 样本用于通过多次迭代来评估算法的性能。这样做时，会评估随机更改集的性能。

相比之下，例如在进行 10 折交叉验证时，您仅在不同的训练和测试数据集上执行 10 次迭代。

现在，当您的样本量较小时，假设并且引导迭代次数很高，让我们选择，并且您不会像处理训练数据集那样重新采样测试数据，您将遇到以下情况：算法不止一次地看到相同或非常相似的测试。您最初想通过使用引导程序来避免的情况。$n=20$$i=10,000$

你postet的链接挂了，所以我在sklearn的当前（0.14）版本中添加了函数的描述

方法说明

带有替换交叉验证迭代器的随机采样提供训练/测试索引以拆分训练测试集中的数据，同时对输入进行 n_iter 次重新采样：每次对数据执行新的随机拆分，然后在每一侧抽取（带替换）样本的分裂来建立训练和测试集。注意：与其他交叉验证策略相反，自举将允许一些样本在每次拆分中出现多次。然而，出现在训练拆分中的样本永远不会出现在测试拆分中，反之亦然。如果您希望每个样本最多出现一次，您可能应该改用 ShuffleSplit 交叉验证。

也许你正在做某事。似乎其他人在同一个线程上拉扯Bootstrap并被弃用，以支持更有意地使用该resample方法和经过验证的真实sklearn.cross_validation方法，例如StratifiedKFold.