机器学习之统计学基础、泛化误差、方差、偏差、噪声、极差、离散程度、分布形状

以下内容是个人的随手记录，就是介绍了下简单的使用；

欢迎大家吐槽，接下来就是激情的时刻，准备好啤酒饮料矿泉水，开整！！！

统计学分类:

一、 描述统计学

1. 反映客观现象的数据

2. 处理并使用图标显示

3. 分析概括规律性的数量特征

二、推断统计学

1. 根据样本数据推断总体特征

2. 推断统计学在描述统计学基础之上

3. 分析概括规律性数量的特征

泛化误差公式: 

描述：

符号	含义
	测试样本
	数据集
	在数据集中的标记
	的真实标记
	训练集  学得的模型
	由训练集   学得的模型   对   的预测输出
	模型 对   的 期望预测 输出

方差公式：

描述：度量了同样大小的训练集变动导致学习性能的变化，描述了数据扰动对统计(机器学习)所造成的影响

偏差公式:

描述：度量了期望预测与真是结果的偏离程度，描述了算法本身的拟合能力

噪声公式：

描述: 噪声真实标记与数据集中的实际标记间的偏差，算法能达到的期望泛化误差的下界，描述了学习问题本身的难度

泛化误差分解公式：

既: Err(x) = 方差值 + 偏差值 + 噪声值

欠拟合: 偏差大、方差小

造成原因: 所选特征不够，所选模型不符合

解决方案：加特征、换模型

过拟合：偏差小、方差大

造成原因：所选模型太拟合真实数据

解决方案：增加训练数据、降低维度、增加混合项

极差公式：max([1,2,3,4,5]) – min([1,2,3,4,5])

描述：同一组数据中的最大值 – 同一组数据中的最小值

离散程度–>方差公式:  

描述：

离散成都求方差应用举例:

A: [1, 2, 5, 8, 9]      B:[3, 4, 5, 6, 7]

偏态在统计软件中使用的公式：

描述: 数据分布的不对称性称之为偏态, s是标准差

左偏分布：sk < 0

对称分布：sk=0

右偏分布：sk>0

峰度公式:

描述: 数据分布的扁平或尖峰程度

扁平分布：k<0

尖峰分布：k>0

扁平分布与正太分布区别：扁平分布扁平、瘦尾、肩部较胖

尖峰分布与正太分布区别：尖峰分布尖峰、肥尾、肩部较瘦

注意：以上内容是个人使用的随手记录， 就是介绍了下简单的使用

欢迎大家来吐槽，准备好瓜子饮料矿泉水，开整!!!

—————————————————————————————

搞笑一则：能动手尽量别吵吵

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34222 人正在系统学习中

来源：庆 、