127 | 数据科学家基础能力之概率统计
洪亮劼
该思维导图由 AI 生成，仅供参考
学习人工智能的工程师，甚至是在人工智能相关领域从业的数据科学家，往往都不重视概率统计知识的学习和培养。有人认为概率统计知识已经过时了，现在是拥抱复杂的机器学习模型的时候了。实际上，概率统计知识和数据科学家的日常工作，以及一个人工智能项目的正常运作都密切相关，概率统计知识正在人工智能中发挥着越来越重要的作用。
和机器学习一样，概率统计各个领域的知识以及研究成果浩如烟海。今天我就和你聊一聊，如何从这么繁多的信息中，掌握能够立即应用到实际问题中的概率统计知识，以及如何快速入手一些核心知识，并能触类旁通学习到更多的内容。
使用概率的语言
概率统计中的“概率”，对于学习和掌握人工智能的诸多方面都有着举足轻重的作用。这里面最重要的，恐怕要数概率论中各种分布的定义。初学者往往会觉得这部分内容过于枯燥乏味，实际上，概率论中的各种分布就像是一门语言的基本单词，掌握了这些基本的“建模语言”单词，才能在机器学习的各个领域游刃有余。
值得注意的是，目前火热的深度学习模型，以及在之前一段时间占领机器学习统治地位的概率图模型（Probabilistic Graphical Models），都依赖于概率分布作为这些框架的基本建模语言。因此，能够真正掌握这些分布就显得尤为重要。
对于分布的掌握其实可以很容易。只要对少量几个分布有一定的认识后，就能够很容易地扩展开来。首先，当你遇到一个实际场景的时候，你要问自己的第一个问题是，这个场景是针对离散结果建模还是针对连续数值建模？这是一个最重要的分支决策，让你选择正确的建模工具。
当面对离散结果的时候，最需要掌握的分布其实就是三个：
伯努利分布
多项分布
泊松分布
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
概率统计基础在数据科学和人工智能领域的重要性被低估了吗？本文深入探讨了概率统计在人工智能领域的关键作用，并提出了学习概率统计的方法。作者指出，概率统计中的分布定义是学习人工智能的基本单词，对于深度学习模型和概率图模型都至关重要。建议初学者掌握伯努利分布、多项分布和泊松分布，以及理解正态分布的重要性。此外，了解贝叶斯统计中的先验概率和后验概率的定义也是必要的。通过掌握这些基础知识，读者可以更好地理解和应用概率统计在数据科学和人工智能领域的重要性。 另外，文章还介绍了假设检验的重要性，尤其在数据产品开发中的关键作用。作者强调了对假设检验的基本设定和检验环境的重要性，以及如何计算统计量和利用P值进行推断。此外，因果推论作为一个新兴的统计和机器学习结合的领域也受到了关注，尤其在处理有偏差数据的情况下具有重要意义。 总的来说，本文强调了概率统计基础知识、假设检验和因果推论在人工智能和数据科学领域的重要性，为读者提供了深入了解这些关键概念的指导。文章内容涵盖了技术性强、实用性强的内容，对于希望深入了解数据科学和人工智能领域的读者具有重要参考价值。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 技术内参》，新⼈⾸单¥98
《AI 技术内参》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(17)
- 最新
- 精选
沉置顶感觉找到了一个很好的指导手册，对假设检验和置信区间的意义有了更深的理解2017-10-179
夏有没有因果推论相关的科普文章推荐？作者回复: 可以看看David Sontag在ICML 2016上的Causal Inference for Observational Studies的讲座。
2017-12-123
吴文敏可否在每期文章的最后推荐一些相应的参考资料或书籍？2017-10-1944- rayeaster统计方面的好书求推荐2017-10-179
李佳概率知识确实很重要，但是好多内容都忘记了，请问洪老师，怎样可以最快地补起来，有什么资料推荐吗？2017-10-168
五岳寻仙H0往往是现有状况，分布和参数都已知，容易计算出概率。 比如，要检验某种药物是否有降压作用。H0：药物无降压作用；H1：药物有降压作用。 计算H0概率就很简单，因为我们知道正常人血压值和波动程度，就能很容易地计算出出现某种情况的概率。2018-09-217- 阿珂之所以在H0中计算是由于H0假设有着足够的情景下的数据样本进行计算。2018-09-212
李志鹏能不能推荐些比较的好的统计学书，比如因果推论2018-07-2812
yaolixu假设计算H1发生的可能性, 然后不容易估计H0出错的概率值, 进而计算置信区间了.2018-06-182
开心果全称命题可以证伪，而不能证实。2018-03-092
收起评论