17张思维导图，一网打尽机器学习统计基础（附下载）

本文系投稿作品 投稿邮箱tougao@bigdatadigest.cn

作者 | 小越酱

文中【多张高清原图】以及【其他参考资料链接】，请微信后台（非评论区）回复关键词“图”。

本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识，是对之前系列文章做的一次完整的梳理，也是我至今为止所有与统计有关的学习笔记。众所周知，「统计学」是深入理解「机器学习|数据挖掘」的重要基础学科。正所谓磨刀不误砍柴工，对于数理基础薄弱的人，强化一下理论的学习是大有裨益的。普通人难以做到“一次学习”，经典知识总是在一次次回顾后才能有更深入的理解。这也是我选择「思维导图」作为学习工具的原因，发散性思考的模式能帮助迅速回忆起相关的知识。近一个月我对之前陆陆续续学习的统计知识进行了系统性的复习、知识点补充以及思维导图笔记的完善，在这里把完整的笔记和大家分享。本文图片很多，请在wifi下阅读哦。

思维导图说明

• 默认阅读顺序：从右→左，顺时针方向。
• 核心重点用「红色星星」标出，需要重点理解，一般是后续学习的基石；「绿色星星」则为需要进一步巩固的内容；「蓝色星星」为高级部分，可以暂时不深入；「红色旗子」表示并列层级，「绿色旗子」为下一层级；「黄色星星」表示需要注意的内容点。
• 「箭头线」标出了知识之间的联系。
• 文末附上了分章节整理的链接及百度云盘文件分享，可以根据需要阅读。
• 笔记只是我学习过程的知识整理，本来是我自己复习时辅以参考的， 难免有缺陷及错误，希望大家能积极帮我批评指正哦。

?导图概览

?描述性统计：表格和图形法

?描述性统计：数值方法

?概率

?概率&概率分布

?抽样分布

?区间估计

?假设检验

?两总体均值之差和比例之差的推断

?总体方差的统计推断

?多个比率的比较&独立性检验&拟合优度检验

?实验设计&方差分析

?简单线性回归

?残差分析

?多元回归

?回归分析

?时间序列及预测

?非参数方法

参考资料

《STATISTICS FOR BUSINESS AND ECONOMICS》12e David R. Anderson etc.

作者介绍

小越酱

本人是某医学院校研二小硕一枚，本科医学背景，硕士研究方向为生物信息学（日常工作均与生物数据打交道），求学过程中对数据科学产生了浓厚的兴趣，热爱Python编程以及思维导图，希望能得到一份数据相关的实习，坐标：杭州/上海，实习时间：17年7月-18年4月。愿意给我机会的朋友可以查看我的博客：https://woaielf.github.io/，了解我目前关注的领域。我的邮箱：zylovedata@163.com。谢谢大家！

来源：https://zhuanlan.zhihu.com/p/25884239?utm_medium=social&utm_source=wechat_timeline&from=singlemessage&isappinstalled=0