您何时以及为什么要使用概率密度函数？
When and why would you want to use a Probability Density Function?
我想成为一名数据科学家，作为一名数据科学家，我想了解您何时以及为何使用概率密度函数 (PDF)？
分享一个场景和一些指导来了解这个和其他类似的功能，如 CDF 和 PMF 将非常有帮助。知道哪本书从实践的角度谈论这些功能吗？
为什么？
概率论对于现代数据科学和机器学习应用非常重要，因为（在很多情况下）它允许人们 "open up a black box" 并阐明模型的内部工作原理，并且运气可以找到必要的成分，将一个糟糕的模型变成一个伟大的模型。没有它，数据科学家的工作将在他们能够做的事情上受到很大限制。
PDF 是概率论的基本组成部分，对于进行任何类型的概率推理以及期望、方差、先验和后验等都是绝对必要的。
Whosebug 上的一些示例，根据我自己的经验，实际问题归结为理解数据分布：
什么时候？
上面的问题提供了一些示例，如果您有兴趣，这里还有一些示例，列表并不完整：
- What is the 'fundamental' idea of machine learning for estimating parameters?
- Role of Bias in Neural Networks
我个人尽可能地尝试寻找概率解释（损失函数、参数、正则化、架构等的选择），因为这样我就可以从盲目猜测转变为做出合理的决定。
阅读
这是非常基于观点的，但至少有几本书真正值得一提：The Elements of Statistical Learning, An Introduction to Statistical Learning: with Applications in R or Pattern Recognition and Machine Learning（如果您的主要兴趣是机器学习）。这只是一个开始，还有数十本关于更具体主题的书籍，例如计算机视觉、自然语言处理和强化学习。
我想成为一名数据科学家，作为一名数据科学家，我想了解您何时以及为何使用概率密度函数 (PDF)？
分享一个场景和一些指导来了解这个和其他类似的功能，如 CDF 和 PMF 将非常有帮助。知道哪本书从实践的角度谈论这些功能吗？
为什么？
概率论对于现代数据科学和机器学习应用非常重要，因为（在很多情况下）它允许人们 "open up a black box" 并阐明模型的内部工作原理，并且运气可以找到必要的成分，将一个糟糕的模型变成一个伟大的模型。没有它，数据科学家的工作将在他们能够做的事情上受到很大限制。
PDF 是概率论的基本组成部分，对于进行任何类型的概率推理以及期望、方差、先验和后验等都是绝对必要的。
Whosebug 上的一些示例，根据我自己的经验，实际问题归结为理解数据分布：
什么时候？
上面的问题提供了一些示例，如果您有兴趣，这里还有一些示例，列表并不完整：
- What is the 'fundamental' idea of machine learning for estimating parameters?
- Role of Bias in Neural Networks
我个人尽可能地尝试寻找概率解释（损失函数、参数、正则化、架构等的选择），因为这样我就可以从盲目猜测转变为做出合理的决定。
阅读
这是非常基于观点的，但至少有几本书真正值得一提：The Elements of Statistical Learning, An Introduction to Statistical Learning: with Applications in R or Pattern Recognition and Machine Learning（如果您的主要兴趣是机器学习）。这只是一个开始，还有数十本关于更具体主题的书籍，例如计算机视觉、自然语言处理和强化学习。