probability&statistic

前言

先看幅图(如下),最近重新读了读概率论与统计学的一些知识点,结合一些应用场景,有了一些新的理解,因此便来随便聊聊。

interpretation

statistic_correlation

前言

常见的相关系数有三种:pearson、spearman、kendall。皮尔森(pearson)相关系数、斯皮尔曼(spearman)相关系数和肯德尔(kendall)相关系数并称为统计学三大相关系数。其中,spearman和kendall属于等级相关系数亦称为“秩相关系数”,是反映等级相关程度的统计分析指标。pearson是用来反应俩变量之间相似程度的统计量,在机器学习中可以用来计算特征与类别间的相似度,即可判断所提取到的特征和类别是正相关、负相关还是没有相关程度。
三种相关系数各有特点,但是相同的是,三种相关系数都是计算变量之间的相关性,接下来我们一一介绍:

极限在微积分中的意义

微积分的建立基石

最近在复习高数,刚刚看完了极限和导数的相关内容,有一些新的收获。回想在大一刚刚开始学习高数的时候,整个知识体系并不完整,没有办法看到全貌,实际上是一团浆糊,所以没有意识到极限之于微积分的重要性,也没有掌握到微积分的精髓。现在仔细看来,微积分之所以成为了近几百年来的数学的智慧的结晶,极大地推动了社会和科学的发展,主要得益于微积分的严谨性。正是因为微积分建立在严丝无缝的数学基石上,才能够屹立百年不倒,并且一直照耀着科学的发展。

ANOVA

前言

方差分析(analysis of variance)是在概率与统计学中很重要的一部分内容,方差分析用于检验多对数据的平均数差之间的显著性,如果是采用t检验的话,只能每次对2组数据进行检验,对于n组数据则需要进行2的排列组合次,并且即使每次的置信度为95%,累乘起来的置信度也不高,即容易犯错,所以需要新方法,方差分析就是解决这个问题的方法。在这一篇博客中我们只讨论单因素方差分析

linear-algebra

I am going to share some experiences in the process that I study the linear Algebra, it is really excited that I just find a super nice textbook named Linear Algebra and the Applications. I really recommend it if you are going to study the linear algebra especially when you are mindless in which book that you should read.

Life tips: Never judge others by your value, learn to accept the diversity, this is what the world looks like. Respect each other!

概率统计

概率论与数理统计是一门很重要的基础数学课,现在的机器学习的基础之一。现在这里添加的是这门学科的总览图,后期可能会做进一步的详细笔记。