부트스트랩 샘플링 (Bootstrap)

원본 데이터에서 크기 n 의 새 표본을 복원추출 로 만드는 기법. Bagging, Random Forest, 통계적 오차 추정의 기본 도구.

핵심 성질

• 일부 샘플이 여러 번 뽑힘.
• 일부 샘플은 전혀 안 뽑힘 (OOB, Out-Of-Bag).
• 매우 큰 $n$ 에서 OOB 비율은 $1 - (1 - 1/n)^n \to 1 - e^{-1} \approx 0.368$.

활용

• Bagging: 여러 부트스트랩 셋에 각각 모델 학습 → 앙상블.
• OOB 평가: 샘플 $i$ 를 쓰지 않은 모델들의 예측으로 $i$ 평가. 별도 val set 불필요.

과제

함수 bootstrap_indices(n, seed) 를 완성하세요.

• 반환: shape (n,) 정수 배열 — [0, n) 범위에서 복원추출.
• np.random.default_rng(seed).integers(0, n, size=n) 로 한 줄.

테스트 케이스