機器學習前置準備：《愛上統計學入門》

一，基本概念

衆數 出現次數最多的

均值
推論統計，用樣原本推論整體，樣本是整體的子集

 

方法：多練習，多找實例

 

二，平均數
平均數：均值、中位數、衆數
加權平均數，同樣是總數/個數。如1出現4次，2出現6次，3出現1次。加權平均=1*4+2*6+3=19
中位數對極值不敏感，1 2 3 4 99 中位數是3，但平均數是20多，不能表明這個數組。
中位數表明個體的中心點，平均數表明值的中心
應用場景
見書

 

 

三,變異性，也叫離散度、散佈
平均數，變異性都是統計裏的重要方面，計算每一個數值和均值的差別性

 

數據分佈共4方面不一樣：平均值、變異性、偏度、峯度

 

極差：最大值-最小值
標準差：每一個數與均值的平均距離。N-1是爲了使計算的標準差大於實際的，科學家的保守性，不得不出錯，出錯也是太高估計了標準差。

方差：標準差沒開根號前。通常標準差更具備解釋意義。

 

 

四,統計圖表
容易說明問題， 好圖表的十條原則，見書，之後未提到內容均見書：
1，頻數分佈
組距的選擇：選擇包含2,5,10,20個數據點的組距，使得10-20個這樣的組距能夠覆蓋全部數據。
好比有100-400的範圍，咱們想分10個組，則組距爲300/10=30

2，創建直方圖，高度表明頻數。每一個直放表明一組，從小到大排列好。頻數多邊形。都相似的展現。
累計頻數，把頻數疊加起來。

圖的應用：
柱狀圖： 比較不一樣分類的頻數
線圖：表示數據的趨勢，如每一年入學人數變化，
餅圖：佔比例分析，不一樣類別項目的比例分佈

五,計算相關係數
描述兩個變量之間的限行關係，-1  -> 1
兩個變量共享許多特徵，纔有相關性。好比身高和體重，共享了養分，健康情況，基因等等。
皮爾遜係數來計算公式(用於定距和定距變量的相關性，直接用軟件計算)：

散點圖，XY表明兩個變量。徹底相關是不可能的(表明兩個變量共享全部變量)，0.7-0.8就是通常統計的最大相關了

關聯並不表明因果，如消費冰淇淋和犯罪率相關度高，僅表明共享了一些特徵。夏天氣溫高，所以冰淇淋消費多，氣溫高，所以開門開窗多，致使犯罪增長

 

選哪個公式來計算相關係數？見下表

 

六,有趣的應用 描t值，兩個羣體的獨立均值t檢驗 117頁圖表理解，選檢驗流程 非獨立性t值 一個羣體使用xx前和xx後的對比