迄今为止，我们一直专注于使用描述性统计来描述已有的数据，并通过概率了解随机性规律。然而，通常情况下，我们在机器学习和数据分析中的目标不仅仅是描述所收集的数据；更重要的是，要基于有限的数据（样本）对更大的群体（总体）做出明智的推测或判断。从样本中得出关于总体的结论的这一过程被称为统计推断。

本章将讲解统计推断的基本原理。你将学习到：

• 从样本数据对总体特征（例如平均值）进行估计的方法，也就是点估计。
• 如何使用置信区间量化这些估计值的不确定性。
• 假设检验的原理：这是一种对总体相关论断做出判断的正式方式，包括建立原假设与备择假设以及解释p值。
• 这些推断方法如何与评估机器学习结果的重要性相关联。

我们将以前几章的描述性统计和概率知识为基础，以理解如何超出当前数据进行归纳。