数据科学家应该掌握的 10 种统计技术

数据科学家应该掌握的 10 种统计技术

原创2022-03-09 20:42·芯媒

数据科学家掌握的统计技术越多，结果就越好。在这篇文章中，我们介绍十种常见的技术，这些技术在数据科学家的所有技能中都不应缺少。

1. 线性回归

在统计学中，线性回归是一种对标量响应（或因变量）与一个或多个解释变量（或自变量）之间的关系进行建模的线性方法。一个解释变量的情况称为简单线性回归。对于多个解释变量，该过程称为多元线性回归。该术语不同于多元线性回归，其中预测多个相关的因变量，而不是单个标量变量。

2.分类

在机器学习和统计中，分类是根据包含已知类别成员的观察（或实例）的训练数据集来识别新观察属于一组类别（子群体）中的哪一个的问题。例如，将给定电子邮件分配给“垃圾邮件”或“非垃圾邮件”类别，并根据观察到的患者特征（性别、血压、是否存在某些症状等）为给定患者分配诊断。 . 分类是模式识别的一个例子。

3. 重采样

在统计学中，重采样是执行以下操作的多种方法中的任何一种&#