# 機器學習統計學速成班 > 原文： [https://machinelearningmastery.com/crash-course-statistics-machine-learning/](https://machinelearningmastery.com/crash-course-statistics-machine-learning/) 在開始學習和應用機器學習之前，您不需要了解統計數據。你可以從今天開始。 然而，了解一些統計數據對于理解機器學習中使用的語言非常有幫助。當您想要開始對結果做出強烈主張時，最終需要了解一些統計數據。 在這篇文章中，您將從統計數據中發現一些關鍵概念，這些概念將為您提供入門和在機器學習方面取得進步所需的信心。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/11/crash-course-in-statistics.jpg) 機器學習統計學中的速成班 攝影： [Rob Ireton](http://www.flickr.com/photos/aoisakana/3292469847) ，保留一些權利。 ## 統計推斷 我們希望了解現實世界中的流程。 例如，點擊添加或購買產品等人類行為。 他們并不容易理解。有復雜性和不確定性。該過程具有隨機性的元素（它是隨機的）。 我們通過觀察和收集數據來理解這些過程。數據不是流程，它是流程的代理，它為我們提供了一些工作來理解流程。 我們用于觀察和收集或抽樣數據的方法也會給數據帶來不確定性。結合現實世界過程中固有的隨機性，我們現在在數據中有兩個隨機源。 根據我們收集的數據，我們將其清理干凈，創建模型并嘗試說明現實世界中的過程。 例如，我們可以預測或描述過程中元素之間的關系。 這稱為統計推斷。我們從一個真實世界的隨機過程開始，收集數據中的過程并對其進行建模，然后回到世界上的過程并對其進行說明。 * [了解有關統計推斷的更多信息](http://en.wikipedia.org/wiki/Statistical_inference)。 ## 統計人口 數據屬于人口（ _N_ ）。數據總體是可以進行的所有可能的觀察。人口是抽象的，理想的。 當您進行觀察或使用數據時，您正在使用總體樣本（ _n_ ）。 如果您正在處理預測問題，那么您正在尋求最好地利用n來表征N，以便最大限度地減少您從其他系統遇到的預測中的錯誤。 您在選擇和處理樣品時必須小心。數據的大小和質量將影響您有效表征問題，進行預測或描述數據的能力。必須考慮甚至操縱，管理或糾正在收集期間引入的隨機性（偏差）。 * [了解有關統計人口的更多信息](http://en.wikipedia.org/wiki/Statistical_population)。 * [了解有關統計抽樣的更多信息](http://en.wikipedia.org/wiki/Sampling_(statistics))。 ## 大數據 大數據的承諾是您不再需要擔心采樣數據，您可以使用所有數據。 你正在使用N而不是n。這是虛假而危險的思維。 您仍在使用樣本。你可以看到這是怎么回事。例如，如果您在SaaS業務中建模客戶數據，那么您正在使用在建模之前找到并注冊該服務的人口樣本。這些警告會偏向您正在使用的數據。 您必須小心不要過分概括您的發現，對您觀察到的數據之外的聲明要謹慎。例如，twitter的所有用戶的趨勢并不代表所有人的趨勢。 在另一個方向，大數據允許您使用迄今為止在該實體上收集的所有數據為每個單獨的實體（例如一個客戶（n = 1））建模。這是一個強大，令人興奮，計算要求苛刻的前沿。 * [了解有關大數據的更多信息](http://en.wikipedia.org/wiki/Big_data)。 ## 統計模型 世界很復雜，我們需要用假設來簡化它，以便理解它。 模型是現實世界中過程的簡化。它總是錯的，[但它可能是有用的](http://en.wikiquote.org/wiki/George_E._P._Box)。 統計模型描述了數據屬性之間的關系，例如具有自變量的因變量。 您可以事先考慮您的數據，并提出一個描述數據之間關系的模型。 您還可以運行機器學習算法，假設某種特定形式的模型將描述關系并找到使模型適合數據的參數。這就是擬合，過度擬合和欠擬合的概念來自于模型過于具體或不夠具體而無法概括超出觀察數據的能力。 與更復雜的模型相比，更簡單的模型更易于理解和使用。因此，最好從問題的最簡單模型開始，并根據需要增加復雜性。例如，在考慮非線性之前為模型假設線性形式，或者在非參數模型之前假設參數。 * [了解有關統計模型的更多信息](http://en.wikipedia.org/wiki/Statistical_model)。 ## 摘要 在這篇文章中，您在開始進行機器學習時需要了解統計中關鍵概念的簡要速成課程。 具體而言，統計推斷的概念，統計人口，大數據的想法如何適應，以及統計模型。 慢慢來，統計是一個很大的領域，你不需要知道這一切。 不要急于購買本科生的統計學教科書，至少目前還沒有。這太快了，太快了。 如果您正在尋找更多信息，我建議您首先閱讀機器學習書籍中有關統計數據的介紹部分，例如：[做數據科學的第2章：從前線直接談話](http://www.amazon.com/dp/1449358659?tag=inspiredalgor-20)，來自哪篇文章受到了啟發。 有關更多信息，請考慮查看一些鏈接的維基百科文章。 更進一步，可汗學院在統計和概率方面有一些[偉大的模塊](https://www.khanacademy.org/math/probability)。