机器学习统计
统计学是获取有关数据问题的答案的工具
- 什么是常见的？
- 什么是预期的？
- 什么是正常的？
- 什么是概率？
推论统计
推论统计是从一个小样本中量化总体属性的方法
您从样本中获取数据并对整个总体进行预测。
例如，您可以在商店里站着，询问100 人的样本是否喜欢巧克力。
根据您的研究，使用推论统计，您可以预测所有购物者中 91% 的人喜欢巧克力。
令人难以置信的巧克力事实
十个人中有九个人喜欢巧克力。
50% 的美国人口每天都离不开巧克力。
您使用推论统计根据少量数据样本预测整个领域。
描述性统计
描述性统计总结（描述）一组数据中的观察结果。
由于我们登记了每个新生儿，所以我们可以说 100 个新生儿中有 51 个是男孩。
从这些收集到的数字中，我们可以预测新生儿是男孩的概率为 51%。
这个比例不是 50% 这是一个谜，就像基本的生物学预测的那样。我们只知道自 17 世纪以来，我们一直存在这种倾斜的性别比例。
注意
原始观察结果只是数据。它们不是真正的知识。
您使用描述性统计将原始观察结果转换为您可以理解的数据。
描述性统计测量
描述性统计分为不同的度量
趋势（中心测量）
- 平均值（平均值）值
- 中位数（中间值）
- 众数（最常见的值）
离散度（变异性测量）
- 最小值和最大值
- 标准差
- 方差
- 偏度
- 峰度
