摘要：
注：终于写到最激动人心的部分了。假设检验应该是统计学中应用最广泛的数据分析方法，其中像"P值"、"t检验"、"F检验"这些如雷贯耳的名词都来自假设检验这一部分。我自己刚开进入生物信息学领域，用的最多的就是"利用t检验来判断某个基因在实验组和对照组中表达量的差异是否显著"。此外，对"P值"真正含义的探 阅读全文
摘要：
注：区间估计是除点估计之外的另一类参数估计。相对于点估计只给出一个具体的数值，区间估计能够给出一个估计的范围。 0. 点估计 vs 区间估计 根据具体样本观察值，点估计提供了一个明确的数值。但是这种判断的把握有多大，点估计本身并没有给出。区间估计就是为了弥补点估计的这种不足而提出来的。 相同点： 都 阅读全文
摘要：
注：无论是任何一门语言，刚开始入门的时候，语言运行环境的搭建都是一件不轻松的事情。 Python的运行环境 要运行或写Python代码，就需要Python的运行环境，主要的Python有以下三类： 原生态的Python：就是直接从Python的官网下载，然后安装使用。这类方法最简单直接，但是后期不容 阅读全文
摘要：
注：最近在工作中，高频率的接触到了SVM模型，而且还有使用SVM模型做回归的情况，即SVR。另外考虑到自己从第一次知道这个模型到现在也差不多两年时间了，从最开始的腾云驾雾到现在有了一点直观的认识，花费了不少时间。因此在这里做个总结，比较一下使用同一个模型做分类和回归之间的差别，也纪念一下与SVM相遇 阅读全文
摘要：
注：数据是机器学习模型的原材料，当下机器学习的热潮离不开大数据的支撑。在机器学习领域，有大量的公开数据集可以使用，从几百个样本到几十万个样本的数据集都有。有些数据集被用来教学，有些被当做机器学习模型性能测试的标准（例如ImageNet图片数据集以及相关的图像分类比赛）。这些高质量的公开数据集为我们学 阅读全文
摘要：
注：点估计是参数估计中的一种。点估计常用的方法有两种：矩估计和最大似然估计。之所以要做估计，最本质的问题是我们能获得的信息量（样本的数量）有限，因此只能在有限的信息中，用合理的方法、在可接受的精度或置信度下做近似计算，以便对总体有一个大概的认识，也就是将某种在有限样本中获得的规律，推广到更大的样本量 阅读全文
摘要：
注：正则化是用来防止过拟合的方法。在最开始学习机器学习的课程时，只是觉得这个方法就像某种魔法一样非常神奇的改变了模型的参数。但是一直也无法对其基本原理有一个透彻、直观的理解。直到最近再次接触到这个概念，经过一番苦思冥想后终于有了我自己的理解。 0. 正则化（Regularization ） 前面使用 阅读全文
摘要：
注：在上一篇的一般线性回归中，使用的假设函数是一元一次方程，也就是二维平面上的一条直线。但是很多时候可能会遇到直线方程无法很好的拟合数据的情况，这个时候可以尝试使用多项式回归。多项式回归中，加入了特征的更高次方（例如平方项或立方项），也相当于增加了模型的自由度，用来捕获数据中非线性的变化。添加高阶项 阅读全文
摘要：
注：对于最重要的两类回归模型，之前总结了逻辑回归模型，这里总结一下"线性回归"模型。 0. 概述 线性回归应该是我们听过次数最多的机器学习算法了。在一般的统计学教科书中，最后都会提到这种方法。因此该算法也算是架起了数理统计与机器学习之间的桥梁。线性回归虽然常见，但是却并不简单。该算法中几乎包含了所有 阅读全文
摘要：
注：在统计学的应用中，参数估计和假设检验是最重要的两个方面。参数估计是利用样本的信息，对总体的未知参数做估计。是典型的“以偏概全”。 0. 参数及参数的估计 参数是总体分布中的参数，反映的是总体某方面特征的量。例如：合格率，均值，方差，中位数等。参数估计问题是利用从总体抽样得到的信息来估计总体的某些 阅读全文