2025年机器学习原理与应用手册_1.docx

2025年机器学习原理与应用手册

第1章机器学习基础与数学原理

1.1概率论与统计推断基础

概率论是机器学习的基石，它研究随机现象发生的可能性。在数据科学中，我们处理的数据往往包含大量不确定性，概率论提供了描述这种不确定性的语言。例如，当我们随机抽取一张扑克牌，其点数可能是2到10之间的任意整数，这是一个典型的离散随机变量，其概率分布决定了我们在决策时的风险偏好。核心概念包括样本空间（所有可能结果的集合）、事件（子集）和概率密度函数。假设我们要预测用户是否广告，样本空间是所有用户，事件是“”或“未”。根据贝叶斯定理，更新我们对用户属性的信念（先验概率）是基于新观察到的数据（