Bootstrap

Le bootstrap est une méthode proposée à la fin des années 70 par Bradley Efron ; son but est de fournir des indications sur une statistique autre que sa valeur (dispersion, distribution, intervalles de confiance) afin de connaître la précision des estimations réalisées. Ces informations sont obtenues sans recours à de nouvelles observations.
Dans le cadre des statistiques classiques, le bootstrap est déjà une aide précieuse aux chargés d'études, qui n'ont pas à se débattre avec des formules complexes (la variance d'un estimateur est rarement simple à expliciter). Dans le cadre du DataMining, le bootstrap permet d'engendrer des modèles plus robustes, c'est à dire aux performances d'un niveau sensiblement constant face à des données inconnues.
Cette méthode s'organise autour d'une technique de rééchantillonnage, accompagnée d'un "grand" nombre d'itérations qui résultent de l'application de la méthode de Monte-Carlo.
le bootstrap est une technique d'inférence statistique basée sur une succession de rééchantillonnages

Sources: http://www.od-datamining.com/bootstrap/index.htm, Wikipedia