趋近智
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
第 1 章测验
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
第 2 章测验
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
第 3 章测验
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
第 4 章测验
章节 5: 统计推断入门
从数据中得出结论
点估计
区间估计：置信区间
假设检验：基本思路
零假设与备择假设
理解P值
统计推断与机器学习评估的联系
练习：解释统计结果
第 5 章测验
使用 Python 从分布生成样本
这部分内容有帮助吗？
- scipy.stats, SciPy Developers, 2023 - SciPy统计功能模块的官方文档，包括从各种概率分布生成随机变量（rvs()）的方法。
- numpy.random, NumPy Developers, 2023 (NumPy Project) - NumPy随机抽样功能的官方文档，包括从标准概率分布生成样本的方法。
- Python for Probability, Statistics, and Machine Learning, Jose Unpingco, 2016 (Springer International Publishing) DOI: 10.1007/978-3-319-30717-6 - 探讨如何使用SciPy和NumPy等Python库实现概率和统计概念，包括从分布生成随机变量。
© 2025 ApX Machine Learning用心打造