首发于知乎，再发到阿里社区看看人气如何
关键词：统计，概率，机器学习，Pandas, Numpy, sympy scipy
预计阅读时间-10分钟
我在学习机器学习算法和玩Kaggle 比赛时候，不断地发现需要重新回顾概率、统计、矩阵、微积分等知识。如果按照机器学习的标准衡量自我水平，这些知识都需要重新梳理一遍。
网上或许有各种各样知识片断，却较难找到一本书将概率，统计、矩阵、微积分公式和Python结合起来。 要么是讲的比较浅显，要么跨度比较大。 最近看到一本书，恰好把上面的问题解决了。着重讲解Python for 概率，统计，机器学习. 相比较吴恩达教授的网上课程，各有千秋。
- l 感觉吴教授的课程偏学术。 假设学生数学基础比较扎实（毕竟课堂受众是斯坦福大学学生，起点比较高），用矩阵推导公式，简洁明了。整个课程把绝大多数机器学习算法都教了一遍。
- 这本书偏工程实践。 书中从多个层面来介绍经典算法。尤其是后期的泛化，正则化等章节。介绍的算法，但是每个算法都用２－５种python方法实现。例如：
Python 循环或自带Itertools （(笛卡尔乘积，经典概率）
Python sympy(数学符号) （微积分公式推导和实现）
Python Pandas(分组计算) （程序员看得懂）
Python numpy (矩阵计算) （注：用矩阵计算，有速度飞起来的感觉）
Python scipy (科学计算库) （算法增强器）
个人感觉这本书比较适合我的学习目标。 也许也有人喜欢这样的书。书名和下载地址在文章最后面。
我先来翻译一段书中的一道期望计算题目，分享一下这种庖丁解牛和层次渐近的感觉。
题目：
三个硬币： 1角，2角，5角。 同时掷硬币，正面朝上的将面值加在一起求和。 只有两个硬币正面朝上的期望和是多少？
- Xi ∈ {0, 1} 注：硬币为Xi, (面值10，10，50，分别为X10,X20,X50，只有正面和反面，是服从二项分布（0,1)
- ξ := 10X10 + 20X20+ 50X50 注： ξ 为正面朝上的硬币面值之和
- η := X10X20(1 −X50) + (1 − X10)X20X50 + X10(1 − X20)X50 注： η 为只有两个硬币正面朝上的情况
这样此题就变成了计算 E(ξ |η) 在 η 条件为真时，ξ 的期望。我们首先需要找到一个函数 h(η)。 这个函数可以让残差最小化。
现在，计算两个硬币朝上的面值之和公式变成了如何定义h(η)函数。
注：η的结果是{0，1}，所以h函数的只有两种输入值{0，1}。因此，正交内积条件为
因为我们只需要知道满足两个硬币朝上的情况，（即η =1 ），所以公式简化为：
两边积分计算求和
数学公式到此就结束了。本书中定义h(η) = αη，并求α。这样公式就变成了如下形式。
注：
公式推导完了，下面就看看Python的四种解法吧。
解法1 ：Sympy数学符号方法
上述推导公式，直接可以用数学符号语言，在Sympy中计算。
计算结果精准 alpha = １６０／３
E(ξ |η) = (160/3)*η
# Do it by sympy
import sympy as S
X10,X20,X50 = S.symbols("X10,X20,X50",real=True)
xi = 10*X10+20*X20+50*X50
print("ξ = ",xi)
eta = X10*X20*(1-X50)+X10*(1-X20)*(X50)+(1-X10)*X20*(X50)
print("η = ",eta)
num=S.summation(xi*eta,(X10,0,1),(X20,0,1),(X50,0,1))
den=S.summation(eta*eta,(X10,0,1),(X20,0,1),(X50,0,1))
alpha=num/den
print(alpha)
ξ = 10*X10 + 20*X20 + 50*X50
η = X10*X20*(-X50 + 1) + X10*X50*(-X20 + 1) + X20*X50*(-X10 + 1)
160/3
解法2 ：用Pandas，分组和计算（程序员的方式）
注：做1000次试验（蒙特卡罗仿真），然后计算试验的均值。计算结果近似于推导结果。
# Do it by pandas
import pandas as pd
d = pd.DataFrame(columns=['X10','X20','X50'])
ntest = 10**6
d.X10 = np.random.randint(0,2,ntest)
d.X10 = np.random.randint(0,2,ntest)
d.X20 = np.random.randint(0,2,ntest)
d.X50 = np.random.randint(0,2,ntest)
grp=d.groupby(d.eval('X10+X20+X50'))
grp.get_group(2).eval('10*X10+20*X20+50*X50').mean()
53.340141339548644
解法３：用Numpy,矩阵计算（速度快，有飞起来的感觉）
# Do it by numpy
import numpy as np
from numpy import array
ntest = 10**6
x=np.random.randint(0,2,(3,ntest))
expectation =np.dot(x[:,x.sum(axis=0)==2].T,array([10,20,50])).mean()
print(expectation)
53.3542987559
解法４： 用笛卡尔笛卡尔乘积，过滤只有两个硬币朝上事件，计算期望
#do it by pure python
import itertools as it
Xi = list(it.product((0,1),(0,1),(0,1))) #笛卡尔乘积函数 初始化 - 所有掷硬币的事件 8种情况，三个硬币，每个硬币只有正面和反面
Xi_conditioned = list(it.filterfalse(lambda i:sum(i)!=2,Xi)) #过滤 只有两个硬币正面朝上的事件，只有三个事件
results = list((map(lambda k:10*k[0]+20*k[1]+50*k[2],Xi_conditioned)))
dem = len(results)
num = sum(results)
print(Xi)
print(Xi_conditioned)
print(results)
print(num/dem)
[(0, 0, 0), (0, 0, 1), (0, 1, 0), (0, 1, 1), (1, 0, 0), (1, 0, 1), (1, 1, 0), (1, 1, 1)]
[(0, 1, 1), (1, 0, 1), (1, 1, 0)]
[70, 60, 30]
53.333333333333336
这道概率期望题，书中演示了4种方法： Sympy,Numpy, Pandas 和Itertools. 在科学计算和机器学习中，采用不同的实现方法可以有助于问题解决和交叉检查。
最后分享一下这本书的名字：
． Python for Probability, Statistics, and Machine Learning
网上有下载。
如果觉得本文对你有帮助，请随手点赞！
分享是最好的投资！
个人文章链接
Kaggle HousePrice : LB 0.11666（前１５％）, 用搭积木的方式（2.实践-特征工程部分）
Kaggle HousePrice : LB 0.11666（排名前１５％）, 用搭积木的方式（1.原理）