- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习、深度学习
统计学习导论 Chapter3--Linear Regression
这两条线的概念是 统计学习方法用采样数据来估计 a large population 的一些特性的一个自然延伸。 3. How well does the model fit the data? 4. Correlation of error terms. 3. Non-constant variance of error terms. 4. Outliers. 5.
1.3K70发布于 2018-01-03 - 来自专栏人人都是数据分析师
统计学(3)|AB测试—实验结果分析
在上一篇文章统计学(2)|A/B测试—理论基础中，我们理清了AB测试的理论基础——假设检验的思想，并且严格推导了为什么现在公司做AB测试基本全都使用 统计量。 2实验结果分析 当我们提出假设，并且构造完统计量之后，我们就要进行决策了，在统计学中，进行决策通常有两种方式： 一种是将统计量的值与给定显著性水平下统计量的分布的临界值作比较，以此来判断是否接受原假设。 2.3 置信区间 统计学中用样本去推断总体有两个工具：参数估计与假设检验。 这里我们稍加笔墨来介绍一下参数估计，目的是为了引出在AB测试中最关注的元素之一：置信区间。 （3）置信区间 置信区间可以辅助确定版本间是否有存在显著差异的可能性。 综上，我们认为当AB测试实验数据在95%的置信水平区间内，P值小于0.05，功效大于80%的情况下，实验结果是可信赖的。 通过这两篇文章，整个AB测试所涉及的统计学原理，以及如何将相关统计学概念应用到AB测试实验结果的分析中，我们已经介绍完了。
2.1K30发布于 2021-05-13 - 来自专栏阶梯计划
小白的大数据笔记——3(统计学1)
1 前言 大数据分析少不了统计学的知识，最近在看可汗的统计学视频，重新温习书本知识。 2 P1~P19的知识点概述 2.1 统计分类 描述统计学：是阐述如何对客观现象的数量表现进行计量、搜集、整理、表示、一般分析与解释的一系列统计方法。 归纳统计学：又称推断统计学主要阐述如何根据部分数据(样本统计量)去推论总体的数量特征及规律性的一系列理论和方法，其主要内容包括概率与概率分布、参数估计、假设检验、抽样调查、方差分析、相关与回归分析、统计预测 参考文献： md公式编辑参考 可汗统计学
75910发布于 2021-02-24 - 来自专栏数据科学与人工智能
R语言做统计学3本电子书
我们知道，做好数据工作，需要统计学的知识和方法以及应用统计学解决问题的思维和能力。 R语言最初是由两位统计学教授以S语言为原型实现的开源语言，后来得到很多人参与，贡献和关注，已经有一个活跃的生态圈，并且是一种积极向上的生态。 如何使用R语言学习统计学和应用统计学？ 我推荐3本电子书。 No.1 Applied Statistics Theory and Problem Solutions with R ? No.3 A Course in Statistics With R ? 温馨提示：这些电子书，仅供学习使用。 若你是一位重视应用统计学解决实际问题的学生或者工作者，你可以阅读第一本书，这本书更加重视统计学的实用性，以及利用统计学来解决各种问题，并且使用R语言来写代码实现。
93120发布于 2020-03-25 - 来自专栏人人都是数据分析师
统计学(1)|白话统计学发展(含统计学必知必会)
本文是个人思考后输出的合乎逻辑的统计学发展历程，旨在为广大对统计学感兴趣的同学提供一个顺滑的学习路线和一个整体的逻辑框架。 ? 2何为统计？ 首先，对于统计的这个话题，需要明确我们在讨论什么？ 3统计的发展历程 我们先用一张图片展示一下，统计学的发展历程，然后逐一叙述： ? 1）很久很久以前，古代人们就掌握了计数的技术，主要用于记录食物的数量。 3）有了均值和方差，我们需要总结一下这时的成果；存在某个事件的一组记录数据，我们可以计算统计值——均值和方差来分别衡量这组数字的平均水平和差异程度。 13）统计学发展至此，已经覆盖大部分日常生活中的应用，ZZ叙述的这个发展过程，希望指引广大爱好的统计学的同僚更加顺滑的学习统计学知识。 5小结 以上统计学发展和必知必会覆盖大部分日常统计工作，也涉及了应用最广范的假设检验，但是本文旨在为学习统计学的同学提供一个指引，对于其中具体理论和实际应用并未多涉及。
84020发布于 2021-05-13 - 来自专栏SnailTyan
统计学习方法(一)——统计学习方法概论
统计学习的特点：(1)以计算机和网络为平台；(2)以数据为研究对象，是数据驱动的学科；(3)目的是对数据进行分析和预测；(4)以方法为中心，构建模型并应用模型进行分析和预测；(5)是概率论、统计学、信息论 3.统计学习的目的 统计学习总的目标就是考虑学习什么的模型和如何学习模型，以使模型能够对数据进行准确的预测和分析，同时也要考虑学习效率。 6.统计学习的重要性 统计学习的重要性体现在三个方面：（1）统计学习是处理海量数据的有效方法。（2）统计学习是计算机智能化的有效手段。（3）统计学习是计算机发展的重要组成部分。 统计学习假设数据存在一定的统计规律。 3.假设空间 监督学习的目的在于学习一个由输入到输出的映射，映射关系用模型表示。输入到输出的映射集合就是假设空间（hypothesis space）。 首先给定数据集T=(x1,y1),(x3,y2),...,(xN,yN)T={(x_1,y_1),(x_3,y_2),...,(x_N,y_N)}T=(x1,y1),(x3,y2),...
1.1K20发布于 2019-05-25 - 来自专栏AI金融科技
统计学方法
再利用熵权对各指标的权重进行修正，得到较为客观的指标权重 3. 适用范围 a. 还可以和各属性的重要性A综合考虑得到综合权数 WA = (W * A)/(W * A).sum() 3. 成本：y = (max(X) - x)/(max(X) - min(X)) 3. 对x2 < x < x3 x' = 1 3. 对x3 < x < x4 x' = 1 - (x - x3)/(x4 - x3) d.
1.1K10发布于 2021-03-05 - 来自专栏数据派THU
谷歌统计学家表示“统计学很无聊“
来源：数学加油吧 机器学习算法与Python实战 本文约3500字，建议阅读7分钟 本文为你分享谷歌的统计学家 Cassie Kozyrkov 对于统计学的观点。 统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。 嗯，以上是统计学课本中对统计学的定义！ 但是近日，一位来自谷歌的统计学家却发长文表示“统计学很无聊。“ 这位统计学家叫 Cassie Kozyrkov，目前是 Google 的首席决策师。 让我们先普及一些统计学的入门级概念，然后跟着这位统计学家一起，看看她的逻辑证明。 总体 当一个普通人想到“population”这个词时，他会想到什么？人，对吗？ 我花了十多年的时间致力于统计学，它并不是一门一无是处的学科。 所以，在合适的时候使用统计方法才是有用的，非常有用的。 最后，你什么时候真的需要统计学呢？
45820编辑于 2023-03-29 - 来自专栏Hank’s Blog
统计学(一)
分位数 使用QUARTILE函数算出 第一分位数:25%分位数 第二分位数:中位数 第三分位数:75%分位数
39920发布于 2020-09-16 - 来自专栏机器学习与统计学
基础统计学
3. 选择最小值或低于最小值的某一个较为方便使用的值作为第一组的下限。 4. 空难原因频数分布表 表 2-3 中列出了从 1960 年到最近几年有关空难原因的数据。数据是名目测量尺度下的分类数据，但也可以创建如表 2-3 所示的频数分布表。可以看到，飞行员失误是空难的主要原因。 用帕累托图展示空难原因 图2-8展示了基于表2-3的帕累托图。图 2-8 和表 2-3 使用了相同的数据，但图 2-8 能让读者更加鲜明地看到，飞行员失误是空难的最重要原因。 概率在统计学中的角色 概率在假设检验中起到了关键作用。统计学家根据数据做决策：根据低概率排除偶然发生的可能性。请看以下关于概率的作用和统计学家思维方式的例子。 希望每一位学习统计学的小伙伴来都拥有这本案头宝典。
37110编辑于 2025-06-15 - 来自专栏今年是雕刻时光
统计学分析
一.t检验1.单样本t检验> daily.intake<-c(1,2,3,4,5)> t.test(daily.intake,mu=10)#mu为已知总体均数One Sample t-testdata: to 1095 percent confidence interval:#样本均数的置信区间 1.036757 4.963243sample estimates:mean of x 3 percent confidence interval: 0.1867876 2.7547991sample estimates:ratio of variances 0.784446 3. 1074.072 1566.838sample estimates:mean difference 1320.455二.非参数秩和检验1.单样本秩和检验> daily.intake<-c(1,2,3,4,5
36710编辑于 2023-12-19 - 来自专栏hotarugaliの技术分享
统计学习概述
【注】学习笔记参考自《统计学习方法第二版》——李航。 1. 定义 统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科，统计学习也称为统计机器学习。 统计学习以数据为研究对象，是数据驱动的学科。 统计学习关于数据的基本假设是同类数据具有一定的统计规律性，这是统计学习的前提。 统计学习的目的是对数据进行预测与分析的。 统计学习以方法为中心，统计学习方法构建模型并应用模型进行预测与分析。 统计学习是概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科，并且在发展中逐步形成独自的理论体系与方法论。 3. 研究 统计学习研究一般包括统计学习方法、统计学习理论及统计学习应用三个方面。 统计学习方法的研究旨在开发新的学习方法。 统计学习理论的研究旨在探索统计学习方法的有效性和效率。
52120编辑于 2022-03-18 - 来自专栏C/C++的自学之路
统计学汇总
方差： 3. 比率： 4. 总体参数都是常量。 样本参数 1. 均值： 2. 方差： 3. 比率： 4. 样本参数都是变量。 统计量 1.
22710编辑于 2025-04-02 - 来自专栏闪电gogogo的专栏
《统计学习方法》笔记一 统计学习方法概论
统计学习 统计学习时关于计算机基于数据构建概率统计模型 并运用模型 对数据进行预测与分析。 统计学习的三要素： 方法 = 模型+策略+算法 统计学习由监督学习、非监督学习、半监督学习和强化学习等组成。 实现统计学习方法的具体步骤如下： （1）得到一个有限的训练数据集合； （2）确定包含所有可能的模型的假设空间，即学习模型的集合； （3）确定模型选择的准则，即学习的策略； （4）实现求解最优模型的算法， 标注问题： 输入、输出变量均为变量序列的预测问题 监督学习的任务就是学习一个模型，应用这一模型，对给定的输入预测相应的输出，这个模型的一般形式为决策函数：Y=f(X)或者条件概率分布P(Y|X) 统计学习三要素 标注常用的统计学习方法有：隐马尔可夫模型、条件随机场。 回归问题 回归用于预测输入变量和输出变量之间的关系，回归模型表示从输入变量到输出变量之间映射的函数，回归问题的学习等价于函数拟合。
88920发布于 2018-10-11 - 来自专栏arXiv每日学术速递
统计学学术速递
点击阅读原文即可访问 stat统计学，共计40篇 【1】 Active Learning with Multifidelity Modeling for Efficient Rare Event Simulation stochastic nested problems all work very well in practice without the need for further modifications. 【3】 这种黑匣子方法（1）极大地扩展了概率数学可以应用到的任务范围，（2）继承了最先进的数值方法的特点和性能，（3）能够实现可证明的更高阶收敛。 我们将重点放在更实用的无感知环境中，玩家不会直接感知碰撞，并提出了纠错碰撞通信（EC3）算法，该算法将隐式通信建模为噪声信道下的可靠通信问题，利用随机编码误差指数建立了无通信协议可克服的最优遗憾。 在合成数据集和真实数据集上的实际纠错码实验证明了EC3的优越性。结果表明，编码方案的选择对系统的性能有着深刻的影响。
1.4K30发布于 2021-07-02 - 来自专栏arXiv每日学术速递
统计学学术速递
点击阅读原文即可访问 stat统计学，共计46篇 【1】 Analysis of the evolution of agroclimatic risks in a context of climate generate more accurate approximate Bayesian posteriors than existing techniques for time series models. 【3】 KrigR允许R用户（1）下载用户指定区域的ERA5和ERA5陆地气候再分析数据和时间长度，（2）将这些气候产品聚合到所需的时间分辨率和度量，（3）获取地形协变量，以及（4）通过kriging使用协变量数据统计地将空间数据缩小到用户指定的分辨率 and time-length, (2) aggregate these climate products to desired temporal resolutions and metrics, (3)
1.1K10发布于 2021-07-02 - 来自专栏arXiv每日学术速递
统计学学术速递
stat统计学，共计24篇 【1】 Transfer learning in genome-wide association studies with knockoffs 标题：全基因组与假冒相关研究中的迁移学习 该系统设计用于数学和统计学教学，但原则上也可用于其他学科。该系统提供了数以千计的多项选择题在高中和大学水平。除了作为学生学习的工具外，它还被用作网络辅助教育研究的试验台。 我们建立了项目反应理论与统计学相关主题之间的联系，包括经验贝叶斯、非参数方法、矩阵完备、正则化估计和序列分析。从统计学习的角度讨论了IRT未来可能的发展方向。 对于在线GAIL，我们提出了一种乐观生成对抗策略优化算法（OGAP），并证明了OGAP实现了$\widetilde{\mathcal{O}（H^2d{3/2}K^{1/2}+KH^{3/2}dN u 1 假设在附加数据集上有足够的覆盖率，我们表明PGAP实现了$\widetilde{\mathcal{O}（H^{2}dK^{-1/2}+H^2d^{3/2}Nè2^{-1/2}+H^{3/2}dNè1^{
80910发布于 2021-08-24 - 来自专栏MiningAlgorithms
统计学基础（二）
在统计学中，一个概率样本的置信区间（Confidence interval）是对这个样本的某个总体参数的区间估计。
85020发布于 2019-08-08 - 来自专栏arXiv每日学术速递
统计学学术速递
stat统计学，共计20篇 【1】 Best-Arm Identification in Correlated Multi-Armed Bandits 标题：相关多臂强流中的最佳臂识别 链接：https Epps-Pulley正态检验极限零分布的特征值 链接：https://arxiv.org/abs/2109.04897 作者：Bruno Ebner,Norbert Henze 备注：11 pages, 3 We solve the associated integral equation and present the corresponding eigenvalues. 【3】 Neural Networks Systems Group, The University of Western 备注：32 pages, 12 figures, submitted version 摘要：在物理推导的数学模型中增加的统计学习在文献中越来越有吸引力 通过对统计学家用词模式的分析，说明了它们的有用性。
59430发布于 2021-09-16 - 来自专栏arXiv每日学术速递
统计学学术速递
stat统计学，共计40篇 【1】 Fair Structure Learning in Heterogeneous Graphical Models 标题：异构图形模型中的公平结构学习 链接：https Zhang,Changliang Zou 机构： Xiamen University; ,The University of York; , Nankai University 备注：22pages; 3 Fine 机构： 3 1University of Kentucky, edu 2University Conservatoire National des Arts et M´etiers, fr 3University 在我们的实验中，使用来自不同传感器的数据（通过3D MNIST数据集的多达五个2D投影实现）可以更有效地降低相关性，但这并没有实现减少冗余和统计独立子系统可获得的测试数据的潜力。 Using data from different sensors (realized by up to five 2D projections of the 3D MNIST data set) in
98740编辑于 2021-12-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号