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
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
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
统计推断与机器学习评估的联系
这部分内容有帮助吗？
- The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, Jerome Friedman, 2009 (Springer) - 这本统计学习的经典参考书涵盖了理论基础和实用算法。其关于模型评估和选择的章节对于理解机器学习模型评估中的不确定性至关重要。
- An Introduction to Statistical Learning: With Applications in R, Gareth James, Daniela Witten, Trevor Hastie, Rob Tibshirani, 2013 (Springer) - 这本统计学习的入门书籍更易于理解，为理解统计推断如何应用于机器学习模型评估提供了坚实的基础，涵盖了测试集和性能指标等概念。
- Approximate Statistical Tests for Comparing Supervised Classification Learning Algorithms, Thomas G. Dietterich, 1998 Neural Computation, Vol. 10 (MIT Press) DOI: 10.1162/089976698300017197 - 这篇基础性论文介绍了用于比较两种监督分类算法性能的近似统计检验方法，例如 McNemar 检验和配对 t 检验，直接满足了机器学习评估中严格假设检验的需求。
- Probability and Statistics for Engineering and the Sciences, Jay L. Devore, 2021 (Cengage Learning) - 这本综合性教科书全面介绍了概率论和统计推断，包括点估计、置信区间和假设检验的详细解释，为所讨论的统计概念提供了坚实的基础。