机器学习的重点应该是数据、模型、算法等，编程语言的学习固然重要，但是我觉得机器学习的本质还是数学内容。样本是机器的学习资料，样本是否好与坏，直接决定了训练的结果，所以，开始前还是务必入门一下统计学。
在《描述统计学入门》研究方法入门中，你可以学习到关于：构建、总体与样本、相关与因果、假设与试验 等的内容。
统计学术语
样本 Sample：研究中实际观测或调查的一部分个体称为样本
样本统计量 Sample Statistics：描述样本特性的指标称为样本统计量 。
总体 Population ：研究对象的全体称为总体，组成总体的每个成员称为个体 。
总体参数 Population Parameter：描述总体特性的指标称为总体参数。
样本值：样本的大小。
样本均值 ( \overline {x} )：样本的均值。
总体均值 ( \overline {\mu} )：总体的均值。
相信结果
调查，是一种获取数据的方法，而我们调查的操作方法又多种多样？不同的操作方法显然得出的结果会有一定差异，操作方法不当甚至会导致结论发生质变，这是我们一定要避免的。
这里有一份调查数据：假如你明天有一场大考，你要尽力保证自己记忆力清晰，你会做什么准备呢？
调查结果：
- 42% 努力健身
- 28% 好好吃一顿
- 16% 通宵达旦地学习
- 13% 睡个好觉
- 1% 其他
你信任调查结果吗？在下结论前，你想要了解什么呢？
- 我调查了多少人？（样本值）
- 我调查了哪些人？
- 调查是怎样进行的？
的确，样本值、样本的类型、操作的方法，都是影响数据的潜在因素。
定义抽象概念
我们调查的对象具体的，例如：身高、体重、温度、几加仑的汽油、年薪等都有具体的刻画标准。而，幸福？记忆力？痒？这些抽象概念，一百个人有一百种定义。
努力，可以用花费多长时间用于学习？也可用 绩点 GPA 表示。是不是很熟悉？我国的高考（一考定终生），100% 按照量化的分数来衡量你是否聪明？！呵呵:-)
年龄可以用，你的成熟度、按照年份计算的年龄等；饥饿，可以用及肚子发声的频率来确定。
总之，根据调查的目的，和抽象概念本身，确定一个比较合适的构建。下方是一个测试题，你可以尝试匹配一下各个抽象定义：
| 序号 | 抽象概念 | 操作定义 |
| 1 | 抑郁 | A. 静息心率 |
| 2 | 饥饿 | B. 皮质醇水平（压力激素） |
| 3 | 压力 | C. 准备考试花费的时间 |
| 4 | 愤怒 | D. 贝克抑郁自评量表 |
| 5 | 快乐 | E. 身体质量指数（BMI） |
| 6 | 健康 | F. 每一年对某一特定品牌产品的购买量 |
| 7 | 肥胖 | G. 每分钟说了多少脏话 |
| 8 | 努力 | H. 食物消耗量 |
| 9 | 品牌忠诚度 | I. 微笑的时间除以不笑的时间 |
数据
数据是统计学最重要的部分，如果没有数据，我们什么也做不了。
更好的样本
- 使用更大样本量
- 随机性
关于随机样本，已知最早的对随机一词的定义出现在由 John Venn 在1888年出版的《机会的逻辑》书中说道：
这时候的样本，更容易估算出整体参数。
结论的真or假？
例如，关于 睡眠时间 和 短时记忆得分 之间有什么关系？
- 睡得越久，你的短时记忆得分就越高
- 睡得越久，你的测试成绩越好
- 睡得越久，你的记忆越差
- 二者没有关系
经过严谨的分析，最终得出：睡得越久，你的短时记忆得分就越高。
现在，问题来了。如果你更早去睡觉，第二天你的记忆力一定会更好吗？
- 是的
- 才不是呢
肯定是不对的，一个睡眠6小时、一个睡眠8小时的两个样本统计量得分都是70分。这其实也是统计学的一个特点，统计学的意义在于“一定量”的样本值，单纯的看一个点是没有意义的，它反映的是一个宏观上的、整体的趋势。
金色拱门理论
Thomas Friedman 在他的《凌志汽车与橄榄树》一书中提到，任何两个开设了麦当劳门店的国家从未彼此交战过，这也叫做“预防冲突的金色拱门理论”
你怎么看？
- 完全合理！麦当劳使人们更加开心，人们开心了，就不会有战争了。
- 国家将好多钱花在开设麦当劳门店上，无法维持战争开销。
- 开设麦当劳门店的国家的人民，吃得太不健康，结果没法打仗。
- 开设麦当劳门店的国家，更愿意接受全球化和国外投资，不太会与其他开放国家交战。
请注意，尽管这个理论有非常充分的实证支持，但是人类冲突是非常复杂的，无法仅由一个单方面的因素解释。
相关不代表因果。
这是一句很重要的话，务必时刻牢记在心。相关性并不能决定因果性，因为很多事件的关系是非常复杂的，多个因素共同作用导致一种结果。
因果推理
即使我们能够在两个变量之间发现某种规律，我们还是必须考虑潜在变量。
如果我们想要显示因果关系，即某个特定因素，导致了另一个因素，我们就需要进行对照实验。
调查问卷方法的优缺点
优点
你认为通过调查问卷展开调查的好处有哪些
缺点
你认为通过调查问卷有哪些不足呢？
对于，不真实的回答、参与者拒绝回答，这两个缺点，可以通过全集分解思想来调查敏感话题，具体原理和操作可以参考此篇文章：
安慰剂
再来说一个实验，为了测试一种药丸的睡眠效果，随机的给试验者分发药丸和没有作用的安慰剂药丸，使这两种药丸在外观、颜色、大小、味道等方面保持一致。
你认为给某些人派发没有疗效的药丸的目的是什么？
单盲实验
对于单方不告知 “安慰剂”的存在，即为单盲实验。这里对试验者不告知 “安慰剂药丸” 的存在，让每个试验者都认为自己吃下去的是真的药丸。
为什么不告诉参与者，他们服用的是有效药丸还是无效药丸？
双盲实验
对于试验者和研究人员都不被告知 “安慰剂药丸”，即为双盲实验。
你认为这些研究人员应该知道参与者服用的是哪种药丸吗？
- 应该知道，因为他们的评分取决于参与者接受的疗法
- 不应该知道，这样可以保持参与者机密性
- 应该知道，这样研究人员的评分会更准确
- 不应该知道，因为如果知道了，他们的判断就存在偏差了
研究方法入门就说到这里了，你可以去 Udacity 课程上，完成所有题目并继续学习，也可以跟我一起开始下一节数据可视化的学习。
