描述统计学思维导图

一双丹凤三角眼、两弯柳叶吊梢眉，身量苗条，体格风骚，粉面含春威不露，丹唇未启笑先闻。这是曹先生对王熙凤的描述

和我们怎么评价一个人长什么模样一样，描述统计学是用来描述一组数据长什么样

最大值最小值是多少？平均数是多少？哪个数字出现最多？数据是集中的还是离散的

我们在做数据分析的时候，需要在数据中发现规律，但这一个前提就是我们要知道这组数据长什么样

就像男生想要追求一个女孩子时，需要充分了解这个女孩子，才能对症下药、投其所好一样

只能抽取部分检测，依据这部分药品的检测结果来推断全部药品的质量，这就是所谓的抽样方法

抽样就是为了检测整体而从整体中抽一个样本出来检测

以样本检测的结果来推断整体质量的一种方法

我们在实际生活中需要利用抽样完成不同的目的

对于样本的要求也不一样，此时就需要不同的抽样方法

根据中心极限定理：若给定样本量的所有样本来自任意整体

则样本均值的抽样分布近似服从正态分布，且样本量越大，近似性越强

当我们通过假设检验得出结论，只能知道样本是否有差异

如果有差异的话，差异又有多大呢？效应量指标

就是用来衡量效果显著性的指标，主要有两大类别

当样本量大于30的时候符合中心极限定理，样本服从正态分布

当样本量小于30的时候，总体近似正态分布时，此时样本服从t分布

样本的分布形态决定了我们在假设检验中采用什么方法去检验它

描述统计分析描述两组数据的基本情况

推论统计分析:假设检验,置信区间,效应量

在机器学习领域，特征是被观测对象的某种特性和度量

一般情况下，事物的特征很多，但是提取的特征应该尽量要服从于我们的目的

如果提取了很多无效的特征，那么在机器学习实战中的价值也不会很大

通常来说，特征包括两类，第一种是离散型特征，第二种是连续型特征

离散型特征指的是该特征的数据类型是离散的（discrete）

离散型特征的数值之间的大小关系（实数域比较）有的时候是没有意义的

连续性特征指的是该特征的数据类型是连续的（continuous）

连续特征的数值之间有大小关系（实数域比较），比如通过气温特征的值，是可以反映这个地区的温度情况

通过某个人的身高则可以反映出这个人距离上一次测量有没有变化