【思维导图】机器学习基础之「统计篇」

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.

↓↓↓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」