2025年机器学习与深度学习指南.docxVIP

2025年机器学习与深度学习指南

第1章机器学习基础与核心概念

1.1统计学原理与概率分布

在机器学习的数据挖掘与预测任务中，统计学提供了理解数据随机性的基石。概率分布（如正态分布、泊松分布、负二项分布）描述了随机变量取值的可能性和频率。例如，在构建图像分类模型时，若将图像像素视为随机变量，其灰度值通常服从均值为128、标准差为25.5的正态分布，这直接影响了后续图像像素的采样策略。了解分布特性是进行假设检验的前提。假设检验通过比较样本统计量与总体统计量的差异，来判断某个假设是否成立。例如，在进行“药物是否有效”的临床试验前，我们需要检验新药组与对照组在平均治愈时间上的差异是