技术|Anaconda分析：统计学知识回顾
人力资本分析的重点归根结底还是在于分析，统计学作为数据分析的基础，是每一个尝试进入人力资本分析领域的小伙伴得不得了解的内容。
统计学是学什么的
统计学习是一套以理解数据为目的的庞大工具集。
统计学习的工具可以分为两类：有指导的学习和无指导的学习。
一般而言，有指导的统计学习工具主要有两种用途：一是面向预测的统计模型的建立；二是对一个或多个给定的输入估计某个输出。
无指导的统计问题中，往往有输入变量，但是不指定输出变量，旨在学习数据的关系和结构。
我们假设输入变量为X，输出变量为Y，给出这样一个很一般的式子：
Y=f(X)+ε
其中ε表示随机误差项，f表示X提供给Y的系统信息。一般而言，函数f会涉及多个输入变量，统计学的学习就是关于估计f的一系列方法。
一般来说，对于f的估计会基于两种目的：预测和推断，我们建模的类型无非三种，预测、推断和两者混合。
预测：输入集X是已知的，但输出Y是不易获得的，分析的目的是找到一个尽可能准确的f使得对Y的估计尽量准确（预测一定会存在误差），至于f是什么形式的我们可以当作黑箱。
推断：很多情况下，我们对X对Y产生了怎样的影响感兴趣，这种情况下，f的形式就变得非常重要的，不能当作黑箱处理。
根据分析目的的不同，估计f的方法可能是不同的。
如何估计f
大多数统计方法可以分为两类：参数方法和非参数方法。
参数方法
参数方法是一种基于模型估计的两阶段方法。
（1）首先假设函数f具有一定的形式或形状
（2）一旦模型被选中后，就需要用训练数据集去拟合或训练模型
参数方法是基于模型的方法，首先对f进行了假设以简化问题，使得参数估计更加容易，但由于选定的模型与真正的f不一定一样，会导致f估计的效果很差。
非参数方法
非参数方法不需要对函数f的形式进行明确的假设，但是由于没有将估计f的方法简化，所以为了获得对f更为精确的估计，往往需要大量的观测点。
参数方法和非参数方法各有所长。
常用模型
统计学分析统计的工具非常多，对于人力资本分析来说，最常用的分析方法包括：回归分析、判别分析、聚类分析、主成分分析四类分析方法。
接下来的教程中，将基于软件的使用，结合具体的业务场景进行介绍，其中会穿插一些基础的统计学知识，计划尽可能地少介绍统计学理论，将目光更集中在业务和软件操作上。
参考文献
《An Introduction To Statistical Learning With Applications In R》Rareth James & Daniela Witten & Trevor Hastie &Robert Tibshirani
