Statistics 数据科技

Goodbuy妈妈和爸爸

亲爱的妈妈和爸爸，我爱你，你说你爱我到月球来回。您说您可以保证我的安全，您可以在床下检查是否有怪物，并让门稍微打开一点，因为否则我会感到害怕。您说您今年要带我们去迪斯尼乐园，但您将无法参加，因为今天有一个男人要走进我的教室，而且，您将再也见不到我。我会很害怕，我的老师会尽力保护我们，但她将无法做到。这个男人会生气，他会走进我的教室朝我们开枪。我会去天堂和爷爷在一起。您试图向我解释桑迪胡克和帕克兰发生了什么，但我不明白。你说我会安全的，但我不是。所以今天晚些时候，你会哭泣……我爱你，妈妈和爸爸，我想再次见到你，我想再次见到奶奶，抚摸着我们的狗柠檬，我要给小本尼送我生日礼物。我不想离开你校长会打电话给你，说对不起，他会在电视上宣布我的学校，但为时已晚。我就要死了。我希望它不会发生，但我无法阻止它，我想再次见到你，妈妈，我是如此的爱你。嗨，妈妈，爸爸，今天我坐在班级后面，想想这个周末的比赛，上个星期被踢出去的孩子将走进来，向我们开火。我会看到最好的朋友在我旁边被枪杀，我会看着射手，并感到我从未有过的恐惧。每个人都会尖叫并奔跑，我将尝试隐藏并查看Alex是否仍在呼吸。我会发短信说我爱你。我会在那里，躲在桌子底下，无法下车。…

揭穿Scanlan原则-第1部分

“成功的伪科学是一项伟大的智力成就。它的研究与真正的研究一样具有启发性和价值。” —弗兰克·西菲（Frank Cioffi），弗洛伊德和伪科学问题（1998）亲爱的读者，您会为这篇文章带来健康的幽默感的。我写这本书的目的是要在我的警句中得到证实，这是我从Boudry＆Braeckman的论文中提炼出来的。在这篇文章的第2部分中，我将重新审视本文，因为它为我试图在这里为您解开的迷惑现象提供了宝贵的观点。早在十月份，我就在美国统计协会的一个论坛上进行了一次交流，就律师詹姆士·斯堪兰（James P. Scanlan）颁布了30年的学说进行了交流。多亏一些交流中有思想的参与者的贡献，出现了健康的批判性话语，我相信在这个文档上访问了当之无愧的揭穿。因为这个“ Scanlan主义”（我称之为“ Scanlan主义”）对我们民主的持续威胁，包括投票权和治安方面的种族差异，我认为值得与更广泛的人分享这一论述的成果非统计人员的敬业公民的听众。让我们从Scanlan先生的出色表现中不那么“受折磨”的句子开始： “……我解释了统计模式，这是高度不规则的风险分布所固有的，即结果越稀有，优势和劣势群体体验结果的比率之间的相对（百分比）差异往往越大…

贝鲁岛恢复“小矮人”的经验教训

Matakai刚被送入Beru岛的Temaraa保健中心时，平躺着且一动不动。他是如此严重的营养不良，皮肤在他的骨头上折叠起来，好像他是个小老头。他阴囊的皮肤脱落了。利用她从联合国生殖，孕产妇，新生儿，儿童和青少年健康联合计划（UNJP）提供的培训中获得的专业知识和知识，卫生保健从业人员用植物油将本地种植的产品与土豆泥轻轻地捣成泥状，以服用少许Matakai。她使用由卫生和医疗服务部（MOHMS）和联合国儿童基金会（UNICEF）联合编写的食谱书来准备营养餐。护士助手向马塔凯的祖母展示了如何为婴儿准备类似的食物，因为马塔凯的养母当时怀孕了，而他的祖母大部分时间都在照料他。 Matakai在收养前三个月大时就断奶了母乳。由于岛上的配方奶库存已枯竭，因此给了Matakai炼乳和“托德”（一种混合了水的当地果汁），而不是配方奶。由于财政和后勤方面的限制，基里巴斯普遍接受的做法是给婴儿喂食“热奶”，这是造成儿童早期营养不良的主要原因之一。蒂奈·卢塔（Tinai Luta）—联合国儿童基金会太平洋分会

Il Miracolo della Via Francigena（意大利的raddoppiare il numero dei turisti inglesi）。

“ Qualora l’Italia si organizzasse ..riusciremmo nel 2017 a registrare un aumento turistico di ben 3 milioni di…

机器学习概念：回归

今天，我们将讨论回归的概念及其与机器学习的关系。如果您已经从内到外都知道回归，那么我将在本系列的最后部分介绍我接下来要讨论的概念，因此您可以稍后再查看是否发现任何想要阅读的概念。从本质上讲，回归只是一组方法，用于找到一个函数，该函数近似适合驱动一组数据点的模式，或者您可能还记得令人困扰的“最佳拟合线”的回声，即那些想让您脱离数据科学领域的人会告诉你，这就是“绝不该被命名”的路线。废话！他们是谁告诉你不要学习数据科学的，妈妈？是的，对。妈妈们讨厌数据科学，因为它很危险，并且可以驳斥他们的所有谎言，例如“圣诞老人需要饼干和牛奶来补充能量”（他没有，我看着这些数据，他的比例和能力永远存在。可以维持自己的生活而无需花费很多钱）和“如果今年表现不错，也许我会让你喜欢的视频游戏”（不结账，因为我在这本书上做了数据科学，结果妈妈是电子游戏的天敌，这与少见的超级妈妈不同）。我们都已经看到了这些un悔的怪异生物，通常伴随着诸如“比率”和“百分比”之类的令人敬畏的词语：到本文结束时，这些词似乎不会变得很奇怪或无聊。如果这听起来很讨厌，请继续阅读。这篇文章的其余部分是个秘密，只有那些具备好奇心的人才能在野外研究这些生物，他们认为这很容易理解。让我们继续前进，介绍已经不再酷了。基础进行回归分析的基本过程是：分析您的数据选择回归方法执行回归以找到估计线然后根据几个指标评估那条线…

格兰顿：关于朱利叶斯·兰德尔的快速思考

这是一个工作日的晚上，我花一个有生产力的夜晚以一种有生产力的方式从事任何形式的有生产力的工作的计划比（我想像）德拉蒙德·格林（Draymond Green）的汗水蒸发得更快，因为他用桑拿水给他的固定式自行车注水。我在上一个小时的大部分时间里与我的一个室友争论：a）最高的天花板是朱利叶斯·兰德尔还是小拉里·南斯？b）兰德尔的天花板有多高？c）更具体地说，兰德尔的潜在游戏技巧是什么向前可能。我们离意见的解决还差得很远，2016-2017 NBA赛季将在几天之内开始。我的室友是天生的育种湖人队球迷，而我不是生来的育种的国王队球迷。但是我发誓我比上一句话更开放，实际上我一直像我是南斯一样支持拉里的潜力。我坚持要重复懒惰的分析，即现代NBA足够激进，只有特定的技能组才能真正产生差异化者。 Randle没有射击手感来伸展地板，也没有垂直感和意识来成为致命的边缘保护者；他也没有超凡脱俗的运动能力，无法让他共存超越典型的NBA小球4应该具有的粗糙边缘。当我的朋友继续坚持认为兰德尔有准备成为一名出色的组织者并在今年实现必要的统计飞跃成为拉德蒙德·格林时，我当然是一个逆势。我以疯狂的无信仰者的方式下颌。我坚持认为，德雷蒙德·格林是这条规则的例外！德雷蒙德·格林（Draymond Green）是导致破纪录的勇士队诞生的反常现象。德雷蒙德·格林（Draymond Green）是第二轮选秀大赛中钻石的招募男孩。经过几个月的比赛，德雷蒙德·格林（Draymond Green）是NBA…

驾驶机关枪

新的生活水平，工作权利或医疗保健的进步，不仅是在改变我们的生活方式，而且在改变我们的生活方式，而不仅仅是假装玩简单的文字游戏。除了疾病，病毒，肿瘤或其他有害健康的原因，自残原因或自杀之类的死亡之外，社会还面临着外部威胁，这些威胁在一个国家与另一个国家之间处于平衡状态，具体取决于安全措施的应对方式。那么，欧洲国家主要的外部死亡威胁是什么？继《疾病和相关健康问题国际统计分类》之后，欧盟统计局（Eurostat）强调了过去几年的一些主要死亡原因，这些原因包括工作事故，跌倒，中毒或暴露于—以及本文的关注点-道路交通事故。 2012年，欧洲每1000例外部意外死亡中有181例是道路交通事故造成的。如今（2015年），道路交通事故虽然减少了2％，但仍然是造成外部意外死亡的主要原因之一，在跌倒的工伤事故中，只有1000人中有157人死亡（这是对老年人的特别影响）在上面的图表中，列出了一些按外在死亡原因的频率分类的欧盟国家。这些图表特别着重于驾驶员/乘客或行人丧生的道路交通事故。在该列表中的17个国家（在两个分析的信息源中都有其数据的国家）的得分非常不同。例如，在爱沙尼亚，捷克共和国或希腊，超过20％的登记死亡与交通事故有关。就爱沙尼亚本身而言，只有严重道路交通事故的行人部分造成约十分之一的死亡。如图所示，2012年的得分差异不大。相反，罗马尼亚，芬兰，英国和意大利是2012年和2015年道路交通事故得分最低的国家。 “补偿”这一得分的第三种死亡原因是多种多样的，但主要的担忧仍然存在：汽车死亡。汽车会优先杀死驾驶员和乘客。汽车挡住了行人的生命。在任何情况下，汽车都不应杀死。汽车绝对不能杀死行人。…

中心极限定理简化！

中心极限定理（CLT）是非常基础的，是概率论中的关键概念。它说，适用于正态分布的统计和概率方法也可以应用于处理不同类型分布的许多其他问题。这个博客将解释什么是中心极限定理，为什么它如此重要，以及它如何解决不涉及正态分布的问题。 CLT声明：对于大样本量，均值的抽样分布将近似于正态分布，即使总体分布不符合正态分布。如果我们有一个具有均值μ和标准偏差σ的总体，并从具有替换的总体中抽取了较大的随机样本（n≥30），则样本均值的分布将近似于正态分布。对于从总体中抽取的随机样本，样本均值的平均值计算为样本均值的标准差为什么n≥30个样本？大小为30的样本被认为足够大，可以看到中央极限定理的作用和功效。总体分布与正态分布越接近，证明中心极限定理所需的样本就越少。如果人口分布高度偏斜，则我们需要大量样本来证明和理解中心极限定理。举例说明：上图显示了3种不正常的人口分布。当我们取n = 5时，均值的抽样分布与正态分布有点接近，而当n…

在Python中实现随机森林分类模型

随机森林算法用于分类和回归。随机森林是一种集成学习方法，由多个决策树组成。通过平均几个决策树的影响，随机森林倾向于提高预测。有许多不同的模型可用于对分类数据进行预测。 Logistic回归是二项式数据中最常见的一种。其他方法包括支持向量机（“ SVM”），朴素贝叶斯和k近邻。在模型具有大量特征的情况下，随机森林往往会发光。这些特征各自的预测能力弱，但总体上具有强大的能力¹。在本文中，我将为您提供有关如何在Python中实现分类问题的随机森林模型的快速指南。加载数据中为了了解如何在Python中实现随机森林模型，我们将使用Pima Indians糖尿病数据集做一个非常简单的示例。您可以从许多来源找到它，也可以复制下面的代码。将熊猫作为pd导入＃列标题列表名称= ['preg'，'plas'，'pres'，'skin'，'test'，'mass'，'pedi'，'age'，'class'] ＃使用pd.read_csv打开文件…

事实也是意见！

乍一看，这篇文章的标题似乎有些奇怪。毕竟，Meriam-Websters词典将事实定义为： –确实存在或发生的事情：实际存在的事情 –真实的信息牛津英语词典说：已知或证明是真实的事情。 –用作证据或报告或新闻文章一部分的信息。 –用于指正在讨论的特定情况。 –法律[质量名词]关于事件的真理，而不是解释。这些尊贵的语言知识堡垒表达其定义的方式各不相同，但其内在含义是相同的。事实是真实的信息，通常在讨论或论证中用作证据。作为一个愚蠢的例子，我可能会提出一个事实：“我喜欢蓝色”是穿着一件特定的蓝色衬衫的理由。另一方面，意见几乎与事实相反：关于某事物的观点或判断，不一定基于事实或知识。根据OED，用MWD的话来说：信念，判断或思考某件事的方式：某人对某件事的看法现在，您可能以为我已经走出了深渊。…