2. 数学与统计学
数学和统计学对于理解和处理数据至关重要。以下是简化的细分：
1. 基本统计
统计数据有助于总结和理解数据。
平均值： 所有值的平均值。
中位数： 数据排序后的中间值。
方差/标准差：显示数据与平均值的分散程度。
2. 概率
概率有助于计算事件发生的概率。
随机变量：来自机会（例如，抛硬币）的值。
分布： 显示每个结果的可能性（例如，正态分布）。
贝叶斯定理： 根据新信息更新概率（例如，根据测试结 台湾数据库 果预测疾病风险）。
3.线性代数
向量：代表数据点的数字列表。
矩阵： 用于组织和处理大型数据集的数字网格。
特征值/特征向量： 帮助机器学习中的数据转换。
4. 微积分
微积分通过找到最佳设置来帮助改进机器学习模型。
衍生品： 展示事物如何变化并有助于改进。
积分：帮助计算曲线下和概率模型的面积。