1）导入包和数据（来自sklearn）%matplotlib inline# 如果不是jupyter notebook 可无视import matplotlib.pyplot as pltimport pandas as pdfrom sklearn.datasets.california_housing import fetch_california_housing2）查看数据描述housing

一直对各种检验稀里糊涂的，借着Python把一些常用的数据分析或者论文建模使用的检验方法总结一哈。文章目录正态分布 Normal distribution正态分布相关数据构造正态分布相关图像绘制正态分布概率密度函数图像绘制正态分布累计概率密度函数图像绘制正态分布检验直方图初略判断Shapiro-Wilk test检验kstest 检验normaltest 检验Anderson-Darling 检验

import scipy.stats as statsimport pandas as pd采用stats.pearsonr(,)输出：r： 相关系数 [-1，1]之间，p-value: p值。注： p值越小，表示相关系数越显著，一般p值在500个样本以上时有较高的可靠性。# way onestats.pearsonr(data1,data2)# way twodf.corr(method=)#可

自学西瓜书总结笔记，间断补充学校课程。文章目录常用基础术语模型评估与选择评估方法常用基础术语数据集data set示例instance / 样本sample属性attribute / 特征feature属性值 attribute value属性空间attribute space / 样本空间sample space / 输入空间训练集 / 训练样本 / 训练数据 / 测试集 / 测试样本 / 测试

本文为自学西瓜书和学校课堂整理笔记。文章目录导论贝叶斯学习贝叶斯学习方法特性贝叶斯学习方法困难贝叶斯法则贝叶斯判定准则先验概率 & 后验概率 & 似然度贝叶斯公式极大后验假设 MAP假定可推出极大似然估计 Maximum Likelihood Estimation，MLE贝叶斯推理举例朴素贝叶斯分类器朴素贝叶斯分类器评价导论贝叶斯学习贝叶斯学习方法特性观察到的每个训练样例可以增量地