作者归档 | Jason Brownlee

机器学习统计学速成课。7 天掌握机器学习中的统计学知识。统计学是数学的一个领域，公认是深入理解机器学习的前提。尽管统计学是一个庞大的领域，包含许多深奥的理论和发现，但其核心内容 [...]

也许最广泛使用的统计假设检验之一是学生 t 检验。由于您将来可能会亲自使用此测试，因此深入了解其工作原理非常重要。作为一名开发人员，通过从头开始实现假设检验来获得这种理解是最好的。在本教程中，[...]

统计假设检验的选择是解释机器学习结果的一个具有挑战性的开放性问题。在他广受引用的 1998 年论文中，Thomas Dietterich 推荐在训练多个分类器模型副本昂贵或不切实际的情况下使用 McNemar 检验。这描述了深度学习模型目前的情况 [...]

应用机器学习的很大一部分是进行对照实验，以找出用于预测建模问题的算法或算法配置。挑战在于，问题和算法的一些方面称为混杂变量，这些变量无法控制（保持不变），必须加以控制。一个例子是 [...]

要成为一名有效的机器学习从业者，需要具备统计学基础。这本书《All of Statistics》专门为有兴趣进行数据挖掘和机器学习的计算机科学本科生提供概率和统计学基础。因此，它通常被推荐为一本 [...]

假设检验的统计功效是检测效应的概率，前提是存在真实的效应。功效可以为已完成的实验计算和报告，以便评论从研究结果中得出的结论可以有多大的信心。它也可以 [...]

统计假设检验报告了在某个假设下观察到的结果的可能性，例如变量之间没有关联或组之间没有差异。如果关联或差异具有统计学意义，假设检验不会对效应大小进行评论。这突显了计算和报告标准方法的必要性 [...]

相关性是衡量两个变量之间关联性的指标。当两个变量都具有易于理解的高斯分布时，它可以轻松计算和解释。当我们不知道变量的分布时，我们必须使用非参数秩相关方法。在本教程中，您将发现量化 [...] 的秩相关方法。

关于统计学的书籍浩如烟海；您从何处着手？选择一本入门级的统计学书籍的一个大问题是，一本书可能存在两个常见问题之一。它可能是一本数学教科书，其中包含每种统计方法的推导、特例和证明，而对于 [...] 的想法却很少。