概念方差分析：又称变异分析，是英国统计学家R.A.Fisher于1923年提出的一种统计方法，故有时也称为F检验。可简写为ANOVA。用于多组均数 之间的显著性检验。要求：各组观察值服从正态分布或近似正态分布，并且各组之间的方差具有齐性。基本思想：将所有测量值间的总变异按照其变异的来源分解为多个部份，然后进行比较，评价由某种因素所引起的变异是否具有统计...

工作了好多年，从最开始使用xgboost，到后来的lightGBM，它们的底层原理都是Boosted Tree，之前一直没有做过总结，今天我就把陈天奇的Boosted Tree翻译一下，让大家从原理了解什么是Boosted Tree，如果有任何理解或者描述错误的地方，欢迎大家批评指正。如果涉及到我自己的理解的内容，我会用绿色的字来表示。建议大家直接看原文档，链接为：https://home...

一、信息在开始解释信息熵和信息增益之前，我们先来解释一下什么是信息：能消除不确定性的内容才能叫信息，而告诉你一个想都不用想的事实，那不叫信息。比如数据分析师的工作经常是要用数据中发现信息，有一天上班你告诉老大从数据中发现我们的用户性别有男有女。。。（这不废话吗？）这不叫信息，但是如果你告诉老大女性用户的登录频次、加购率，浏览商品数量远高于男性，且年龄段在25岁~30岁的女性用户消费金额最多...

R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。要成为有理想的极客，我们不能停留在语法上，要

中心极限定理用通俗的话来讲就是，假设有一个服从（μ,σ2）的总体，这个总体的分布可以是任意分布，不用是正态分布，既可以是离散的，也可以是连续的。我们从该分布里随机取n个样本x1,x2,...,xn，然后求这些样本的均值x_mean，这个过程我们重复m次，我们就会得到x_mean_1,x_mean_2,...,x_mean_m，如果n-->∞，这些样本的均值服从N(μ,σ2/n)的正态分布。

决定系数（coefficient ofdetermination），有的教材上翻译为判定系数，也称为拟合优度。决定系数反应了y的波动有多少百分比能被x的波动所描述，即表征依变数Y的变异中有多少百分比,可由控制的自变数X来解释.表达式：R2=SSR/SST=1-SSE/SST其中：SST=SSR+SSE，SST(total sum of squares)为总平方和，SSR(reg

乱码原因：    主要是因为Linux没有对应字体库导致。Linux本身自带字体库（具体有啥，暂不深究），但不包含windows上的，尤其像“微软雅 黑”这样的字体库(主因应该是版权问题)；所以在Windows开发R程序，在设置字体后（如“宋体”、“黑体”、“微软雅黑”），在Linux上是无法 显示的。 解决办法：    以CentOS为例，其他版本请自行对照相应路

决定系数（coefficient ofdetermination），有的教材上翻译为判定系数，也称为拟合优度。决定系数反应了y的波动有多少百分比能被x的波动所描述，即表征依变数Y的变异中有多少百分比,可由控制的自变数X来解释.表达式：R2=SSR/SST=1-SSE/SST其中：SST=SSR+SSE，SST(total sum of squares)为总平方和，SSR(reg