# 用于機器學習的簡明英語統計 > 原文： [https://machinelearningmastery.com/statistics-in-plain-english-for-machine-learning/](https://machinelearningmastery.com/statistics-in-plain-english-for-machine-learning/) 有一個關于統計的書籍海洋;你從哪里開始的？ 選擇一本關于統計學的初學者書籍的一個大問題是，一本書可能會遇到兩個常見問題之一。 它可能是一本數學教科書，里面填充了每種統計方法的推導，特殊情況和證據，對方法的直覺或如何使用它幾乎沒有想法。或者它可能是專有或古老統計軟件包的劇本，與您所面臨的庫和問題幾乎無關。 在這篇文章中，您將發現“_簡明英語統計_”這本書，用于學習統計方法，而不會在理論上陷入困境，也不會在實施細節方面陷入困境。 閱讀這篇文章后，你會知道： * 本書旨在為從業者提供明確的統計方法。 * 本書的內容集中在基礎，高斯分布和參數統計假設檢驗。 * 仔細閱讀清單可用于了解與機器學習從業者相關的具體方法。 讓我們開始吧。 ## 概觀 1. 簡明英文統計 2. 書的內容 3. 機器學習閱讀清單 ## 簡明英文統計 [簡明英語統計](https://amzn.to/2J8eCZ6)為可能將統計課程作為社會科學其他學位課程的一部分的學生提供統計學介紹。 [](https://amzn.to/2GXyAbu) 簡明英文統計 它由 [Timothy Urdan](http://tcurdan.com/) 撰寫，他是研究員和心理學教授。由于書寫的可訪問性，這是一本受歡迎的書，目前是第四版。我有第三版，所以任何引用和目錄都將引用該版本。 它不是教科書，也不是練習冊，而是介于兩者之間的東西。蒂姆謙虛地說明了本書的目的如下： > 本書的目的是使統計數據更容易理解。 他的目的是讓這本書成為對更密集的統計學教科書的贊美。同樣，我認為這是適度的并且被提及，因為它不會深入研究方法背后的更多數學嚴謹性（推導和證明），而是關注方法的應用和直覺（即您作為實踐者所關心的）。 我認為這本書不僅僅是統計數據的第一步。 每章使用一致的模板（包括三個部分）介紹統計信息（有時不止一個），如下所示： 1. 統計數據的簡短描述。 2. 對等式的詳細描述和統計的細節。 3. 一個使用統計數據的工作示例。 這本書不長不到200頁。它還采用了11 x 5.5英寸的大尺寸，這意味著物理上拿著這本書可以為這些想法和例子提供很大的空間。 如果您有時間并且對統計學領域來說真的是新手，那么值得閱讀封面。認真。即使你熟悉這個主題，也是一個很好的閱讀。 ## 書的內容 我建議研究目錄。 它有兩個原因： * 了解介紹性統計主題的廣度。 * 了解您可能感興趣的主題或與您的項目相關的主題。 本書第3版的完整15章目錄如下： * 第1章：社會科學研究原理和術語簡介 * 第二章：中心趨勢的措施 * 第3章：可變性的測量 * 第4章：正態分布 * 第5章：標準化和z分數 * 第6章：標準錯誤 * 第7章：統計意義，影響大小和置信區間 * 第8章：相關性 * 第9章：t測試 * 第10章：方差的單向分析 * 第11章：方差的因子分析 * 第12章：方差的重復測量分析 * 第13章：回歸 * 第十四章：獨立的卡方檢驗 * 第15章：因子分析和可靠性分析：數據縮減技術 演示文稿明確區分了主題。 它允許您選擇最感興趣的主題或章節并深入研究，而無需閱讀前面的章節。 > 本書的組織方式使得前面章節中的基本統計和統計概念更為基本，而本書后面則會出現更復雜的概念。但是，在理解下一章之前沒有必要閱讀一章。相反，本書中的每一章都是獨立編寫的。 對目錄的審查突出了兩件事： * 本書非常關注高斯分布，考慮到這種分布在概率和統計中的重要性，這是合理的。 * 該書還主要關注統計假設檢驗，特別是參數檢驗，與對高斯分布的關注相一致。 這個選定的重點將處理在處理社會科學實驗數據時所需的大多數統計方法，至少在開始時。雖然機器學習從業者有一些漏洞。例如： * 這本書對估算方法的了解不多，對置信區間的影響不大，但預測間隔和容差區間沒有。 * 本書也沒有涉及重采樣方法（bootstrap，k-fold交叉驗證等）。 * 還跳過了非參數統計方法的整個區域。 然而，這些主題可以在更有針對性的書籍中查找。 ## 機器學習閱讀清單 這是一本很棒的書，如果您不熟悉統計數據，我會推薦它，并且您正在尋找在應用機器學習中確實需要了解的基礎的清晰演示。 正如我上面提到的，它不是一個長篇閱讀，值得一讀的封面。 話雖如此，并非所有章節都與您作為機器學習從業者相關或直接有用。 以下是機器學習從業者手冊的細目或建議閱讀清單。 無論如何，我認為你需要對基礎統計有一些了解。我建議閱讀前幾章以獲得這種基礎，至少： * 第1章：社會科學研究原理和術語簡介 * 第二章：中心趨勢的措施 * 第3章：可變性的測量 * 第4章：正態分布 為了提高您理解訓練數據和數據準備的技能，我建議以下三章： * 第5章：標準化和z分數 * 第8章：相關性 * 第十四章：獨立的卡方檢驗 為了評估和比較機器學習模型和模型參數，您可以使用統計假設檢驗。要開始這個領域，我建議以下兩章： * 第7章：統計意義，影響大小和置信區間 * 第9章：t測試 你可以跳過其他章節。 如果您使用該方法并且對如何以及為何如何工作有更深入的了解，那么關于線性回歸的章節（第13章）可能會引起關注。 你同意這個閱讀計劃嗎？ 請在下面的評論中告訴我。 ## 進一步閱讀 如果您希望深入了解，本節將提供有關該主題的更多資源。 * [簡明英文統計](https://amzn.to/2GXyAbu)，第四版，2016年。 * [普通英語統計](https://amzn.to/2GXjin8)，第三版，2010年。 * [Timothy Urdan的主頁](http://tcurdan.com/) ## 摘要 在這篇文章中，您發現了“簡明英語統計”一書，用于學習統計方法，而不會在理論上（證明和推導）陷入困境，也沒有實現細節（專有統計軟件包的代碼和命令頁面）。 具體來說，你學到了： * 本書旨在為從業者提供明確的統計方法。 * 本書的內容集中在基礎，高斯分布和參數統計假設檢驗。 * 仔細閱讀清單可用于了解與機器學習從業者相關的具體方法。 你有這本書還是讀過它？ 你怎么看？在下面分享您的想法。 你想拿這本書嗎？ 為什么或為什么不呢？