以下内容是个人的随手记录，就是介绍了下简单的使用；
欢迎大家吐槽，接下来就是激情的时刻，准备好啤酒饮料矿泉水，开整！！！
统计学分类:
一、 描述统计学
1. 反映客观现象的数据
2. 处理并使用图标显示
3. 分析概括规律性的数量特征
二、推断统计学
1. 根据样本数据推断总体特征
2. 推断统计学在描述统计学基础之上
3. 分析概括规律性数量的特征
泛化误差公式:
描述：
| 符 | 含义 |
| 测试样本 | |
| 数据集 | |
方差公式：
描述：度量了同样大小的训练集变动导致学习性能的变化，描述了数据扰动对统计(机器学习)所造成的影响
偏差公式:
描述：度量了期望预测与真是结果的偏离程度，描述了算法本身的拟合能力
噪声公式：
描述: 噪声真实标记与数据集中的实际标记间的偏差，算法能达到的期望泛化误差的下界，描述了学习问题本身的难度
泛化误差分解公式：
既: Err(x) = 方差值 + 偏差值 + 噪声值
欠拟合: 偏差大、方差小
造成原因: 所选特征不够，所选模型不符合
解决方案：加特征、换模型
过拟合：偏差小、方差大
造成原因：所选模型太拟合真实数据
解决方案：增加训练数据、降低维度、增加混合项
极差公式：max([1,2,3,4,5]) – min([1,2,3,4,5])
描述：同一组数据中的最大值 – 同一组数据中的最小值
离散程度–>方差公式:
描述：