机器学习与应用手册（执行版）.docxVIP

机器学习与应用手册（执行版）

第1章机器学习基础理论

1.1(概率分布与期望概念)

在机器学习的数据挖掘与分析中，概率分布是描述数据样本随机性的核心数学工具，它定义了数据在未知状态下可能呈现的各种形态；例如，当我们使用高斯分布（正态分布）来描述图像像素的灰度值时，会发现大多数像素值会集中在图像中心的亮度附近，而边缘和背景像素的分布则呈现向两侧衰减的尾部特征，这种分布形态直接决定了数据集中样本的集中趋势与离散程度。期望（Expectation）则是概率分布的一个关键统计量，它代表了随机变量所有可能取值的加权平均，反映了数据集中样本的平均水平或中心位置；在实际应用中，例如计算一组客户年龄数据的期望值时，我们会发现其平均值约为35岁，这意味着在无限次的抽样中，该数据集中的数值会围绕35岁这个中心值呈现高概率聚集，从而为后续的特征工程提供了明确的均值基准。

概率分布的均值（Mean）与方差（Variance）是衡量数据集中样本分布形态的两个基本参数，均值决定了数据的中心位置，而方差则表征了数据点相对于均值的偏离程度；若某组销售数据的方差较大，说明销售人员业绩在不同区域间差异显著，这提示我们需要引入更复杂的策略来平衡不同区域的市场表现，否则简单的平均策略可能失效。在贝叶斯推断的框架下，概率分布不仅描述了数据的已知或观测状态，还包含了关于数据机制的先验知识，即假设数据服