趋近智

所有课程

机器学习的概率统计要点

章节 1: 机器学习中的概率与统计入门

什么是概率与统计学？

机器学习中的相关性

了解数据类型

总体与样本

搭建Python环境

动手实践：加载和查看数据

章节 2: 描述性统计：数据概括

衡量中心：均值、中位数和众数

衡量离散程度：方差和标准差

衡量变异性：极差

理解百分位数与四分位数

可视化分布：直方图

可视化汇总：箱线图

使用 Python 计算描述性统计

实践：数据集汇总

章节 3: 概率基本原理

理解概率：事件与样本空间

计算简单概率

概率的集合论入门

条件概率讲解

独立事件与关联事件

贝叶斯定理简介

练习：概率计算

章节 4: 概率分布

什么是概率分布？

离散分布的概率质量函数 (PMF)

离散分布：伯努利

离散分布：二项分布

连续分布的概率密度函数 (PDF)

连续分布：均匀分布

连续型分布：正态（高斯）分布

中心极限定理

使用 Python 从分布生成样本

练习：使用分布

章节 5: 统计推断入门

从数据中得出结论

区间估计：置信区间

假设检验：基本思路

零假设与备择假设

统计推断与机器学习评估的联系

练习：解释统计结果

章节 4: 概率分布

课程章节

4.1 什么是概率分布？
4.2 离散分布的概率质量函数 (PMF)
4.3 离散分布：伯努利
4.4 离散分布：二项分布
4.5 连续分布的概率密度函数 (PDF)
4.6 连续分布：均匀分布
4.7 连续型分布：正态（高斯）分布
4.8 中心极限定理
4.9 使用 Python 从分布生成样本
4.10 练习：使用分布

© 2025 ApX Machine Learning