深度学习入门级内容+TensorFlow实践教学：概率与统计

关联学习资源	[深度学习入门到精通+TensorFlow全程案例讲解 .zip]( "深度学习入门到精通+TensorFlow全程案例讲解 .zip")

2-4 概率与统计

统计信息是从数据中推导出的，涵盖了一系列描述性统计指标和概率分布等内容，例如平均值、标准差等。我们所收集到的数据统称为数据集（Dataset），它由若干观察值（Observations）或案例（Cases）构成，即数据集中的每一行，同时还包含一些特征（Features）或属性（Attributes），即数据集中的各个字段。例如，在预测某市下一任市长时，我们进行一次问卷调查，并对相关术语进行如下定义：

（1）数据集：所有问卷调查所得的数据。

（2）观察值：每一份填写完成的问卷。

（3）特征或属性：每一个问题，通常用 X 表示。

（4）属性值或特征值：每一个问题的具体回答内容。

（5）目标字段（Target）：市长候选人，通常以 y 表示。

接下来将依次介绍以下内容：

（1）抽样方法；

（2）描述性统计量；

（3）概率概念；

（4）概率分布函数；

（5）假设检验。具体内容如图 2.23 所示。

![图2.23 基础统计介绍的范围及其关联](https://ad.itadn.com/c/weblo