《机器学习：算法视角（原书第2版）》 —2.4　基本统计概念

2.4　基本统计概念

本节将简要介绍一些重要的统计概念。你可能已经知道这些知识，但我们将重复介绍，以突出显示其对机器学习的重要性。任何基本的统计书都会提供更详细的信息。

2.4.1　平均值

我们将从最基本的开始，即可用于表征数据集的两个数字：均值和方差。均值很容易得到，它是一组数据中最常用的平均值（average），是通过将数据集中的所有数据点相加并除以数据点总数得到的值。还有两个其他平均值：中位数（median）和众数（mode）。中位数是中间值，因此找到它最常见的方法是根据大小对数据集进行排序，然后找到中间的点（当然，如果有偶数个数据点，那么就没有确切的中间数据点，所以人们通常将两个点之间的值取为最接近中间的点）。在大多数算法教科书中描述的随机算法（randomised algorithm），是一种用于计算中位数的较快的算法。众数是最常见的值，只需要计算每个元素出现的次数并选择次数最多的元素。接下来，我们还需要了解方差和概率分布的概念。