《想要學人工智能,你必須得先懂點統計學》系列文章學習目錄

《想要學人工智能,你必須得先懂點統計學》系列文章已經更新完畢,大家可以按需學習。

《想要學人工智能,你必須得先懂點統計學》共14篇文章,主要向大家介紹了在學習人工智能和機器學習之前有必要掌握的一些基礎統計理論,這些統計理論將有助於後續理解相關的機器學習算法對數據挖掘結果的解釋。本文給出全部的鏈接以及每一篇文章的簡介,大家可以根據自己的需要有選擇性地學習和查閱,統計理論功底不紮實的同學建議把這一系列的文章都看一看,每天看一點也不用多久就可以看完了,希望對後續大家進一步的學習有所幫助。

CONTENT

第一篇:《想要學人工智能,你必須得先懂點統計學(1)統計學導論和數據收集》

介紹了統計學的概念描述統計方法推斷統計方法統計工作的過程統計數據的類型常用的統計調查方式數據收集方法

第二篇:《想要學人工智能,你必須得先懂點統計學(2)數據的描述與概括性度量》

介紹了數據描述的圖形方法表格方法以及數值方法分佈形狀與眾數、中位數和均值的關係離散係數或者變異係數

第三篇:《想要學人工智能,你必須得先懂點統計學(3)概率與概率分佈》

介紹了條件概率、全概率公式以及貝葉斯公式,常見的離散型概率分佈和連續型隨機變量的概率分佈

第四篇:《想要學人工智能,你必須得先懂點統計學(4)方差分析概述》

介紹了方差分析的基本概念,方差分析的基本思想和原理

第五篇:《想要學人工智能,你必須得先懂點統計學(5)單因素方差分析》

介紹了方差分析中的基本假定,單因素方差分析的數據結構,總變差(離差平方和)的分解,組間方差和組內方差,檢驗的統計量 F 計算

第六篇:《想要學人工智能,你必須得先懂點統計學(6)統計學中的顯著性水平、統計量和P值之間什麼關係?》

介紹了顯著性水平,統計量大小以及P值大小這三者之間的關係,如何根據P值怎麼判斷顯著性,查表又怎麼判斷顯著性

第七篇:《想要學人工智能,你必須得先懂點統計學(7)雙因素方差分析》

介紹了雙因素方差分析的數據結構,無交互作用的雙因素方差分析模型和有交互作用的雙因素方差分析模型

第八篇:《想要學人工智能,你必須得先懂點統計學(8)相關分析概述》

介紹了變量間的函數和相關關係,相關關係的類型和相關關係的描述

第九篇:《想要學人工智能,你必須得先懂點統計學(9)相關分析及顯著性檢驗》

介紹了相關分析要解決的問題,總體相關係數以及樣本相關係數,相關係數的取值及意義和相關係數的顯著性檢驗

第十篇:《想要學人工智能,你必須得先懂點統計學(10)迴歸分析概述

介紹了迴歸分析的內容,迴歸分析與相關分析的區別和聯繫,迴歸模型的類型

第十一篇:《想要學人工智能,你必須得先懂點統計學(11)一元線性迴歸》

介紹了一元線性迴歸的概念,一元線性迴歸模型的表示,一元線性迴歸模型的基本假設以及迴歸方程的估計

第十二篇:《想要學人工智能,你必須得先懂點統計學(12)迴歸方程的顯著性檢驗》

介紹了離差平方和的分解,三個平方和的關係和意義,樣本決定係數(判定係數 r2),迴歸方程的顯著性檢驗(線性關係的檢驗

第十三篇:《想要學人工智能,你必須得先懂點統計學(13)迴歸係數的顯著性檢驗》

介紹了迴歸係數b1的顯著性檢驗,迴歸係數顯著性檢驗的步驟—t檢驗

第十四篇:《想要學人工智能,你必須得先懂點統計學(14)利用迴歸模型進行預測》

介紹了利用迴歸方程進行估計和預測,包括點估計和區間估計影響區間寬度的因素,置信區間、預測區間和迴歸方程之間的關係

想要學習的童鞋趕快堅持學起來吧,若學習過程中遇到任何問題,歡迎向作者提問和交流~

相關推薦

推薦中...