17张机器学习统计基础思维导图

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。直接右键新标签打开图片查看原图

思维导图说明

  • 默认阅读顺序:从右→左,顺时针方向。

  • 核心重点用「红色星星」标出,需要重点理解,一般是后续学习的基石;「绿色星星」则为需要进一步巩固的内容;「蓝色星星」为高级部分,可以暂时不深入;「红色旗子」表示并列层级,「绿色旗子」为下一层级;「黄色星星」表示需要注意的内容点。

  • 「箭头线」标出了知识之间的联系。

  • 文末附上了分章节整理的链接及百度云盘文件分享,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。

导图概览

0-统计-导图概览.png

描述性统计:表格和图形法

1-描述性统计:+「表格和图形法」.png

描述性统计:数值方法

2-描述性统计:数值方法.png

概率

3-概率.png

概率&概率分布

4-概率分布.png

抽样分布

5-抽样分布.png

区间估计

6-区间估计.png

假设检验

7-假设检验.png

两总体均值之差和比例之差的推断

8-两总体均值&+比例的推断.png

总体方差的统计推断

9-总体方差的统计推断.png

多个比率的比较&独立性检验&拟合优度检验

10-多个比率的比较_独立性_拟合优度检验.png

实验设计&方差分析

11-实验设计_方差分析.png

简单线性回归

12-简单线性回归.png

残差分析

13-残差分析.png

多元回归

14-多元回归.png

回归分析

15-回归分析.png

时间序列及预测

16-时间序列分析及预测.png

非参数方法

17-非参数方法.png

参考资料

《STATISTICS FOR BUSINESS AND ECONOMICS》12e David R. Anderson etc.


未经允许请勿转载:程序喵 » 17张机器学习统计基础思维导图

点  赞 (1) 打  赏
分享到: