概念用(a,b)表示概率区间, a,b的数值取决于你希望自己对于"该区间包含总体均值"这一结果具有的可信程度,因此(a,b)被称为置信区间正置信区间求解步骤1.选择用于构建置信区间的总体统计量2.求出其样本分布3.决定置信水平4.求出置信上下限(利用正态分布表/t分布表)正态分布置信区间简便算法超链接https://images-cdn.shimo.im/jiTj0Imygk09S9Bk__thu

假设检验思想1.进行假设检验时, 假定原假设H0为真;2.寻找反驳的证据,3. 如果有足够的证据反驳原假设,则拒绝原假设, 接受备择假设H1.假设检验步骤1.确定要进行性检验的假设(要对齐进行试验的断言)2.假定H0为真, 选择检验统计量(最有效地对断言进行检验的统计量)3.确定用于做决策的拒绝域(使用某种确定性水平)4.求出检验统计量的p值(在假定断言为真的情况下, 试验结果的可信程度)5.查看

排列-选取对象并关注这些对象的排位顺序一般排列：n!圆形排列：(n-1)!重复排列-k为重复对象：n!/k!import itertoolsitertools.permutations('BCD', 2)# 输出 BC BD CB CD DB DCprint('\n')组合-选取对象但不关注这些对象的排位顺序计算技巧：排列消序import itertoolsitertools.combinatio

案例使用Pima Indians数据集，下载链接（https://gitee.com/biabianm/pima-indians-diabetes）1.数据导入历史数据通常会以CSV的格式来存储，或者能够方便地转化为CSV格式。CSV 文件是用逗号分隔的文本文件。审查CSV文件：（1）是否有文件头如果CSV的文件里包括文件头的信息，可以很方便地使用文件头信息来设置读入数据字段的属性名称。...

pytorch1.9.0tf1.15

早期的推荐系统一般都从基于内容的推荐开始做起，这就离不开挖掘用户的兴趣标签，兴趣标签是用户画像的重要组成部分。1. 标签库1.1 挖掘标签的物料物品端物品端的信息可用于构建物品画像（Item Profile），并用于丰富用户画像。物品的标题、描述；物品本身内容；物品属性。用户端注册资料：姓名、签名等；用户生成内容UGC：评论、动态、日记；与用户连接过的内容：搜索、阅读。1.2 标签库类型高质量的标

定义：数据可视化，是把相对复杂、抽象的数据，通过可视的方式，让人们更易理解的图形展示出来的一系列手段。而数据看板是数据可视化的载体，通过合理的页面布局、效果设计，将可视化数据更直观、更形象的展现出来。数据看板一般用作后台系统的首页，或者作为系统的其中一个模块，呈现当前业务、运营相关的数据和图表，方便实时掌握业务情况，并能够支持业务决策。就是通过各种显性手段，让企业、工厂内部的信息透明化，实现有效传

图形的选用，取决于你想凸显的事实1.类别与数值类别数据(定性数据)数据被划分为各种类别，用以描述某类的性质或特征(不应将数据值理解为数字)；折线图不适用与展现类别数据数值数据(定量数据)描述数字和数量，涉及计量和计数等。2.标度频数：用于描述类别中有多少个项，条形图高度百分数：频数密度：数据中数值密集度，等于频数除以组距；直方图高度累积频数(累计总和)：3.图形3.1.饼图：描述占比3.2.条形图