概率与统计（Probability and Statistics）
概率论和统计学在深度学习中至关重要。概率论为模型的不确定性和预测提供理论基础。数据位置和数据散布的概念帮助我们理解和描述数据的中心趋势和变异性。图形表示技术，如直方图和散点图，用于数据的可视化和探索。离散型概率分布和连续型概率分布则用于描述不同类型的数据和其分布模式。
在统计学中，点估计和区间估计用于推断数据的参数，从而帮助我们理解模型的预测准确性和置信区间。假设性检验用于评估模型假设的有效性和显著性，确保结果的可靠性。相关性分析则用于发现变量之间的关系和依赖性，从而帮助我们优化模型和提升性能。通过概率论和统计学工具，深度学习能够更好地处理数据的不确定性、进行模型评估和优化，提升预测的准确性和可靠性。
如果你正在开始学习深度学习，我这边经过上百次修改整理出了一套深度学习机器学习的入门学习路线图，能够帮你最大效率的学习深度学习，少走弯路！。
如果你需要学习路线的pdf可以直接扫码添加我的助手让她无偿及时分享给大家！
概率论
数据位置
平均数（Average）是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数，是反映数据集中趋势的一项指标。
特点：
-
（1）易受极端值影响。
-
（2）数学性质优良。
-
（3）数据对称分布或接近对称分布时应用。
众数（Mode）是指在统计分布上具有明显集中趋势点的数值，代表数据的一般水平。 也是一组数据中出现次数最多的数值，有时众数在一组数中有好几个，用M表示。
特点：
-
（1）组数据中出现次数最多的变量值。
-
（2）适合于数据量较多时使用。
-
（3）不受极端值的影响。
-
（4）一组数据可能没有众数也可能有几个众数。
中位数（Median）又称中值，统计学中的专有名词，是按顺序排列的一组数据中居于中间位置的数，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个，通常取最中间的两个数值的平均数作为中位数。
特点：
-
（1）不受极端值的影响。在有极端数值出现时，中位数作为分析现象中集中趋势的数值，比平均数更具有代表性。
-
（2）主要用于顺序数据，也可以用于数值型数据，但不能用于分类数据。
-
（3）各变量值与中位数的离差绝对值之和最小。
四分位数（Quartile）也称四分位点，是指在统计学中把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。四分位数多应用于统计学中的箱线图绘制。它是一组数据排序后处于25%和75%位置上的值。四分位数是通过3个点将全部数据等分为4部分，其中每部分包含25%的数据。很显然，中间的四分位数就是中位数，因此通常所说的四分位数是指处在25%位置上的数值（称为下四分位数）和处在75%位置上的数值（称为上四分位数）。与中位数的计算方法类似，根据未分组数据计算四分位数时，首先对数据进行排序，然后确定四分位数所在的位置，该位置上的数值就是四分位数。
假设我们有以下一组数据:
对于奇数个数据，中位数是第
个数据。
这里数据个数
，所以中位数位置是第
个数据。所以中位数
是第 6 个数据，也就是 41 。
下四分位数是位于第
个数据。
这里数据个数
，所以下四分位数位置是第
个数据。
所以下四分位数
是第 3 个数据，也就是 36 。
上四分位数是位于第
个数据。
这里数据个数
，所以上四分位数位置是第
个数据。所以上四分位数
是第 9 个数据，也就是 44 。
数据散布
数学期望
数学期望（Mathematical expectations）是对长期价值的数字化衡量。
数学期望值是理想状态下得到的实验结果的平均值，是试验中每次可能的结果概率乘以其结果的总和，是最基本的数学特征之一，它反映随机变量平均取值的大小。换句话说，期望值像是随机试验在同样的机会下重复多次，所有那些可能状态的平均结果。
-
离散型随机变量数学期望严格的定义为: 设离散型随机变量
的分布列为
。若级数
绝对收敛, 则称级数
的和为随机变量
的数学期望(也称期望或均值), 记为
。即
-
连续型随机变量数学期望严格的定义为: 设连续型随机变量
的概率密度函数为
,积分
绝对收敛, 则定义
的数学期望
为
一个随机变量的数学期望是一个常数，它表示随机变量取值的一个平均；这里用的不是算术平均，而是以概率为权重的加权平均。数学期望反映了随机变量的一大特征，
扫一扫
3485
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
