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。
笔记说明
-
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。
-
喜欢的朋友请给我点个赞哦♪(^∇^*)~~鼓励一下我继续学习和分享~~
-
文末附上了分章节的链接,可以根据需要阅读。
-
发现知乎平台对图片会有压缩,附上原图链接:http://pan.baidu.com/s/1bI9u1K密码:b6cj 或点击阅读原文获取
-
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。
-
本人是某医学院校研二小硕一枚,本科医学背景,硕士研究方向为生物信息学(日常工作均与生物数据打交道),求学过程中对数据科学产生了浓厚的兴趣,热爱Python编程以及思维导图,希望能得到一份数据相关的实习,坐标:杭州/上海,实习时间:17年7月-18年4月。愿意给我机会的朋友可以查看我的博客:https://woaielf.github.io/,了解我目前关注的领域。我的邮箱:zylovedata@163.com。谢谢大家!
【思维导图】
导图概览
描述性统计:表格和图形法
描述性统计:数值方法
概率
概率分布
抽样分布
区间估计
假设检验
两总体均值& 比例的推断
总体方差的统计推断
多个比率的比较/ 独立性/拟合优度检验
实验设计 | 方差分析
简单线性回归
残差分析
多元回归
回归分析
时间序列分析及预测
非参数方法
参考资料
《STATISTICS FOR BUSINESS AND ECONOMICS》12e David R. Anderson etc.
推荐:数据挖掘师成长课
《数据分析&数据挖掘脱产班》第5期
• 8周集训,4周全真项目实战,系统学习数据分析和数据挖掘方法和工具,掌握泛编程技术;• 五大经典案例深入剖析,掌握客户分析、推荐系统、文本挖掘等业务场景数据分析和建模方法;• 通过全真项目实战获得宝贵的项目经验,助力收获高薪offer;• 企业面试官、职场老司机的职场经验分享,助你在面试中游刃有余;• 100+小时的内部拓展教程(统计学、R, SQL, Hadoop, Spark, Tableau),可自由学习,补充技能栈;
↓↓↓思维导图高清图
原文始发于微信公众号(PPV课数据科学社区):【思维导图】机器学习基础之「统计篇」
原创文章,作者:ppvke,如若转载,请注明出处:http://www.ppvke.com/archives/9239