Statistics 何时以及为什么要使用概率密度函数？

我想成为一名数据科学家，作为一名数据科学家，我试图理解，什么时候以及为什么要使用概率密度函数PDF

共享一个场景和一些指针来了解这个函数和其他类似的函数，如CDF和PMF，将非常有帮助。知道有哪本书从实践的角度讨论这些功能吗？

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，它允许人们打开一个黑匣子，了解模型的内部工作，幸运的是找到必要的成分，将一个糟糕的模型转化为一个伟大的模型。没有它，数据科学家的工作在很大程度上受限于他们的能力

PDF是概率论的一个基本组成部分，对于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

根据我自己的经验，这里有一些关于StackOverflow的示例，其中一个实际问题归结为理解数据分布：

什么时候 以上问题提供了一些示例，如果您感兴趣，这里还有一些示例，但列表并不完整：

我个人尽可能地选择损失函数、参数、正则化、体系结构等，试图找到概率解释，因为这样我可以从盲目猜测转变为做出合理决策

阅读

---

这是基于观点的，但至少很少有书真正值得一提：，或者如果你的主要兴趣是机器学习。这只是一个开始，有几十本关于更具体主题的书，如计算机视觉、自然语言处理和强化学习。

我将其标记为迁移到交叉验证——我想这个问题的目标读者就在那里。