AI基础认知 一、核心思想与目的 随机抽样 是指从总体中抽取样本时，每个个体被抽中的概率是已知且非零的，并且抽样过程不受主观意志影响,其根本目的是：保证样本的代表性：通过随机性，使样本的特征（如年龄、收入、观点分布）能够较好地反映总体... 星博讯 2026-04-09 75 #思想 #目标
AI基础认知 一、核心定义 系统抽样，也称为等距抽样或机械抽样，是一种概率抽样方法,它的核心操作是：将总体中的所有个体按某种顺序（如名单顺序、时间顺序、空间顺序等）进行编号，确定一个抽样间隔，在第一个间隔内随机抽取一个起始单元，... 星博讯 2026-04-09 51
AI基础认知 一、核心定义 整群抽样 是将总体中所有个体按照某种特征（通常是自然的、现成的边界）划分为若干个互不重叠的“群”，然后以这些“群”为抽样单位，随机抽取一部分群，并对被抽中群内的所有个体进行全面调查的抽样方法，关键认知... 星博讯 2026-04-09 52 #核心 #定义
AI基础认知 一、什么是数据分布？ 简单说,数据分布描述了一个数据集中，各个不同值出现的频率或概率模式，它回答了“数据通常落在哪里？”、“数据是集中的还是分散的？”、“数据有没有特别的形状？”等问题，核心比喻：如果把数据比作一个国家的人... 星博讯 2026-04-09 55 #数据分布 #定义
AI基础认知 一、核心定义 数据噪声 指的是数据集中存在的、不期望的、随机的或无关的干扰信息，它并非数据的内在特征，而是由各种因素引入的“杂质”，会掩盖或扭曲数据中真正的模式、信号和规律，一个生动的比喻：信号：你想听的音乐或对话... 星博讯 2026-04-09 52 #核心 #定义
AI基础认知 一、核心认知，什么是异常值？ 异常值 是指与数据集中其他观测值显著不同的数据点，它的“异常”是相对的,取决于你的数据和业务背景，统计视角：偏离整体分布模式，可能由测量误差、录入错误或小概率事件产生，业务视角：可能是“噪音”（需要处... 星博讯 2026-04-09 49 #核心认知 #异常值
AI基础认知 第一部分，核心思想 不要盲目填充 处理缺失值的第一步不是“怎么填”，而是“为什么缺”，在统计学中,缺失机制通常分为三类：完全随机缺失：数据缺失是随机的，与任何已观测或未观测的变量都无关,这是最理想的情况，随机缺失：数据缺失与其他已观测... 星博讯 2026-04-09 65 #核心思想 #不要盲目填充
AI基础认知 示例数据 数据归一化（Data Normalization）全面认知基本概念数据归一化是将不同量纲、不同范围的数据转换到统一尺度的过程，使所有特征具有可比性，主要目的与意义目的说明消除量纲影响避免“数值大的特征... 星博讯 2026-04-09 50 #最相关的关键词
AI基础认知 特征缩放基础 特征缩放是机器学习数据预处理中的关键步骤，用于将不同特征的数值范围调整到相似的尺度,以提高模型性能和训练效率，为什么要进行特征缩放？主要目的：加速收敛：梯度下降等优化算法在特征尺度相近时收敛更快避免数... 星博讯 2026-04-09 59 #特征缩放 #标准化
AI基础认知 示例数据 一句话核心定义独热编码是一种将分类数据（特别是名义分类数据）转换为数值格式的方法，以便计算机和机器学习算法能够处理，它的核心是为每个类别创建一个新的二进制特征（列），对于每个样本，只有属于该类别对应的... 星博讯 2026-04-09 76 #示例 #数据
