« Statistiques et concepts de probabilité » : différence entre les versions

Version du 4 janvier 2021 à 17:10

en construction

Définition

Les statistiques et les probabilités sont utilisées pour la visualisation des caractéristiques, le prétraitement des données, la transformation des caractéristiques, l’imputation des données, la réduction de la dimensionnalité, l’ingénierie des caractéristiques, l’évaluation des modèles, etc. Voici les sujets que vous devez connaître :

Moyenne, médiane, mode, l’écart-type/variance, coefficient de corrélation et matrice de covariance, distributions de probabilités (binomiale, de Poisson, normale), valeur p, théorème de Bayes (précision, rappel, valeur prédictive positive, valeur prédictive négative, matrice de confusion, courbe ROC), théorème limite central, score R_2, erreur quadratique moyenne (EQM), test A/B, simulation Monte-Carlo.

Français

Statistiques et concepts de probabilité

Anglais

Statistics and Probability Concepts

Source : kdnuggets

Version du 4 janvier 2021 à 17:09 (voir la source) Sihem (discussion \| contributions) Aucun résumé des modifications ← Modification précédente		Version du 4 janvier 2021 à 17:10 (voir la source) Sihem (discussion \| contributions) Aucun résumé des modifications Modification suivante →
Ligne 6 :		Ligne 6 :

	Moyenne, médiane, mode, l’écart-type/variance, coefficient de corrélation et matrice de covariance, distributions de probabilités (binomiale, de Poisson, normale), valeur p, théorème de Bayes (précision, rappel, valeur prédictive positive, valeur prédictive négative, matrice de confusion, courbe ROC), théorème limite central, score R_2, erreur quadratique moyenne (EQM), test A/B, simulation Monte-Carlo.		Moyenne, médiane, mode, l’écart-type/variance, coefficient de corrélation et matrice de covariance, distributions de probabilités (binomiale, de Poisson, normale), valeur p, théorème de Bayes (précision, rappel, valeur prédictive positive, valeur prédictive négative, matrice de confusion, courbe ROC), théorème limite central, score R_2, erreur quadratique moyenne (EQM), test A/B, simulation Monte-Carlo.
	Voici quelques ressources éducatives sur le théorème de la limite centrale et le théorème de Bayes : Illustration du théorème de la limite centrale à l’aide de la simulation de Monte-Carlo. Le théorème de Bayes expliquait à l’aide d’un ensemble de données de tailles.