Bootstrap 方法。（统计学）
Bootstrap 方法。（统计学） 统计学中 Bootstrap ，是一种重采样（Resampling）技术。 机器学习中的Bagging，AdaBoost等方法其实都蕴含了Bootstrap的思想。 引述 在统计的世界，我们面临的总是只有样本，Where ...
原文：缺失值处理（前面两种方法偏向于统计学）
最常见的插值方法是mean imputation 也叫mean substitution 实际上，这个方法不推荐使用，在大部分情况下，没有其他方法的时候可以采取这个方法。原因： ： mean imputation没有保持变量之间的关系 因为是观察值的均值，如果说缺失数据是随机缺失的，那么这个均值估计才是无偏的，也是这个方法实现的逻辑。如果说只是估计均值 点估计 ，那么这个估计是无偏的，但是会让标准 ...
2018-04-07 12:31 0 2674 推荐指数：
相关推荐
统计学中P值的理解
一、p值含义理解 P值的含义：原假设为真时，出现偏离原假设值的观测值以及比观测值更极端的值的概率,说白了P值是个概率值。 通俗理解：在假设原假设（H0）正确时，出现现状或比现状更差的情况的概率。 p值是Fisher先提出来的“显著性检验”理论体系中的概念，假设检验之所以可行 ...
统计学的P值解释和误区
python金融风控评分卡模型和数据分析微专业课（博主亲自录制视频）：http://dwz.date/b9vv 项目联系QQ：231469242 P值：观察到极端值的概率 观察到的概率越低，结果就越显著。观察到概率低于P值时，认为足够证据支持H1（显著 ...
机器学习之缺失值的处理方法以及各种方法的优劣
1） 用数值进行填充 用平均值、中值、分位数、众数、随机值等替代。简便快速但是效果一般，因为等于人为增加了噪声。 2） 用算法拟合进行填充（常用的是随机森林算法） 相对一较为准确。但是有一个根本缺陷，如果其他变量和缺失变量无关，则预测的结果无意义。如果预测结果相当准确，则又 ...
缺失值的处理方法
见而且令人头痛的问题。本文针对缺失值和特殊值这种数据质量问题，进行了初步介绍并推荐了一些处理方法。 值得注意的 ...
统计学方法（t-检验）
数据出来要做几件事：首先判断数据是否符合正态分布，如果符合的话，就要进行t-检验，那么进行t-检验的作用在哪呢？ t-检验主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布 h ...
两样本差异的统计学比较方法-假设检验
”是由抽样误差引起还是总体上的不同， 目的是评价两种不同处理引起效应不同的证据有多强，这种证据的强度 ...
《统计学习方法》 梯度下降的两种应用场景
这几天在看《统计学习方法》这本书，发现 梯度下降法 在 感知机 等机器学习算法中有很重要的应用，所以就特别查了些资料。 一.介绍 梯度下降法（gradient descent）是求解无约束最优化问题的一种常用方法，有实现 ...