什么是68-95-99.7 规律

Posted 2023-05-12

我现在在国外学习高3的数学，看到一个不明白的地方，68-95-99.7 rule and z-scores 谢谢回答的人。

68-95-99.7规律就是经验法则，具体介绍如下：

经验法则是正态分布中决定平均值与标准差的统计法则。根据此法则，68%的数据分布在第一个标准差的范围内，95%的数据分布在第二个标准差的范围内，99.7%的数据分布在第三个标准差的范围内。因此它也被称为68-95-99.7或三σ法则。

单模分布下正负三个标准差内的几率

在不是正态分布的情形下，也有另一个对应的三西格马定律，即使是在非正态分布的情形下，至少会有88.8%的几率会在正负三个标准差的范围内，这是依照切比雪夫不等式的结果。

若是单模分布（unimodal distributions）下，正负三个标准差内的几率至少有95%，若一些符合特定条件的分布，几率至少会到98%。

参考技术A 正态分布的"68-95-99.7法则"
在实际应用上，常考虑一组数据具有近似于正态分布的机率分布。若其假设正确，则约68%数值分布在距离平均值有1个标准差之内的范围，约95%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的范围。称为"68-95-99.7法则"或"经验法则".

参考资料：http://blog.sina.com.cn/s/blog_562a1ba00100d55i.html

本回答被提问者和网友采纳

什么是机器学习

零、什么是机器学习

利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策

1. 解决的问题：
   未来不确定场景的决策
2. 怎么解决问题
   利用计算机从历史数据中挖出的规律来解决问题
3. 机器学习要素
   • 主体
     主体是计算机
   • 数据
     数据量越大，找出的规律越精准
   • 规律
     通过算法，找到规律，机器学习系统利用规律自动生成落地方案

一、机器学习的源动力

1. 从历史数据中找出规律，把这些规律用到对未来场景的预测与决定；
2. 用数据替代专家
3. 经济驱动，数据变现

二、机器学习算法分类

1. 分类方法一

   1. 有监督学习
      • 分类算法
      • 回归算法
   2. 无监督学习
      • 聚类算法
   3. 半监督学习（强化学习）

2. 算法分类方法二

   1. 分类与回归
   2. 聚类
   3. 标注
3. 算法分类方法三
   1. 生成模型
   2. 判别模型

三、机器学习常见算法

序号	挖掘主题	算法
1	分类	C4.5
2	聚类	K-Means
3	统计学习	SVM
4	关联分析	Apriori
5	统计学习	EM
6	链接挖掘	PageRank
7	集装与推进	AdaBoost
8	分类	kNN
9	分类	Naiive Bayes
10	分类	CART

• 其他常见算法
  • FP-Growth
  • 逻辑回归
  • RF、GBDT
  • 推荐算法
  • LDA
  • Word2Vector
  • HMM、CRF
  • 深度学习

机器学习解决问题步骤

1. 确定目标
   • 业务需求
   • 数据
   • 特征工程
2. 训练模型
   • 定义模型
   • 定义损失函数
   • 优化算法
3. 模型评估
   • 交叉验证
   • 效果评估