17 幅思维导图 | 机器学习基础(一)统计篇
2021/4/26 10:55:31
本文主要是介绍17 幅思维导图 | 机器学习基础(一)统计篇,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
https://zhuanlan.zhihu.com/p/25884239
本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识,是对之前系列文章做的一次完整的梳理,也是我至今为止所有与统计有关的学习笔记。
众所周知,「统计学」是深入理解「机器学习|数据挖掘」的重要基础学科。正所谓磨刀不误砍柴工,对于数理基础薄弱的人,强化一下理论的学习是大有裨益的。
普通人难以做到“一次学习”,经典知识总是在一次次回顾后才能有更深入的理解。这也是我选择「思维导图」作为学习工具的原因,发散性思考的模式能帮助迅速回忆起相关的知识。
近一个月我对之前陆陆续续学习的统计知识进行了系统性的复习、知识点补充以及思维导图笔记的完善,在这里把完整的笔记和大家分享。本文图片很多,请在wifi下阅读哦。
建议先阅读:
ZOE酱:导读 | 导图规则、文章主题与如何下载zhuanlan.zhihu.com
笔记说明
- 下载高清图片 & PDF 文件请移步公众号「数林觅风」,ID:zoemindmap。
- 默认阅读顺序:从右→左,顺时针方向。
- 喜欢的朋友请给我点个赞哦 ♪(^∇^*)~~鼓励一下我继续学习和分享~~
- 文末附上了分章节的链接,可以根据需要阅读。
- 笔记只是我学习过程的知识整理,本来是我自己复习时辅以参考的, 难免有缺陷及错误,希望大家能积极帮我批评指正哦。
思维导图
导图概览
描述性统计:表格和图形法
描述性统计:数值方法
概率
概率分布
抽样分布
区间估计
假设检验
两总体均值& 比例的推断
总体方差的统计推断
多个比率的比较/ 独立性/拟合优度检验
实验设计 | 方差分析
简单线性回归
残差分析
多元回归
回归分析
时间序列分析及预测
非参数方法
参考资料
《STATISTICS FOR BUSINESS AND ECONOMICS》12e David R. Anderson etc.
章节浏览
- 【笔记】统计(一)描述性统计
- 【笔记】统计(二)概率&概率分布
- 【笔记】统计(三)抽样分布&区间估计
- 【笔记】统计(四)假设检验
- 【笔记】统计(五)两总体均值之差和比例之差的推断
- 【笔记】统计(六)总体方差的统计推断
- 【笔记】统计(七)多个比率的比较&独立性检验&拟合优度检验
- 【笔记】统计(八)实验设计&方差分析
- 【笔记】统计(九)简单线性回归
- 【笔记】统计(十)多元回归&回归分析
- 【笔记】统计(十一)时间序列及预测&非参数方法
这篇关于17 幅思维导图 | 机器学习基础(一)统计篇的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-18机器学习与数据分析的区别
- 2024-10-28机器学习资料入门指南
- 2024-10-25机器学习开发的几大威胁及解决之道
- 2024-10-24以下是五个必备的MLOps (机器学习运维)工具,帮助提升你的生产效率 ??
- 2024-10-15如何选择最佳的机器学习部署策略:云 vs. 边缘
- 2024-10-12从软件工程师转行成为机器学习工程师
- 2024-09-262024年机器学习路线图:精通之路步步为营指南
- 2024-09-13机器学习教程:初学者指南
- 2024-08-07从入门到精通:全面解析机器学习基础与实践
- 2024-01-24手把手教你使用MDK仿真调试