数据科学的主要知识域包括：学科基础、数据类型与分布、数据处理、统计学、可视化、机器学习与深度学习、模型评估、大数据与工具、编程语言与库、应用场景。供初学者或AI工作者标准化应用或备查。
一、学科与概念基础
-
Data Science：综合统计学、计算机科学和业务知识来从数据中获取价值。
-
Statistics：研究数据的收集、分析、解释和推断的方法。
-
Machine Learning：让计算机通过数据自动学习模式并预测的技术。
-
Deep Learning：基于神经网络的机器学习分支，适合处理大规模复杂数据。
-
Business Analytics：利用数据和模型来支持业务决策。
-
Business Intelligence：侧重于通过报表、可视化分析帮助业务洞察。
-
Big Data：数据量庞大、类型多样、增长速度快的数据集合及相关技术。
-
Data Mining：从大量数据中发现模式与知识的过程。
二、数据与变量类型
-
Dataset：数据集合。
-
Dataframe：类似表格的数据结构。
-
Categorical Variable：分类变量，如性别、颜色。
-
Nominal Variable：无顺序的类别变量。
-
Ordinal Variable：有顺序的类别变量。
-
Binary Variable：只能取两种值的变量（如0/1）。
-
Continuous Variable：连续数值型变量。
-
Dependent/Response Variable：被预测或解释的变量。
-
Predictor Variable：自变量，用于预测。
-
Dummy Variable：将分类变量转为数值变量（如0/1）。
-
NaN：缺失值（Not a Number）。
-
Outlier：异常值。
三、统计学与概率分布
-
Descriptive Statistics：描述数据特征，如均值、中位数。
-
Inferential Statistics：基于样本对总体推断。
-
Mean/Median/Mode：均值/中位数/众数。
-
Variance/Standard Deviation：数据分散程度。
-
Range：最大值与最小值差。
-
Quartile/IQR：四分位数与四分位距。
-
Skewness：数据分布偏斜程度。
-
Kurtosis：峰度，分布陡峭程度。
-
Normal Distribution：常见的钟形概率分布。
-
Binomial Distribution：二项分布，描述成功/失败试验次数。
-
Autoregression：基于过去值预测未来值的统计模型。
-
Holt-Winters Forecasting：时间序列预测方法。
-
Bayes Theorem：条件概率公式。
-
Bayesian Statistics：基于贝叶斯定理的统计推断方法。
-
Frequentist Statistics：传统频率学派统计方法。
-
Maximum Likelihood Estimation：估计参数的方法，使观测概率最大。
-
Hypothesis：统计假设。
-
P-Value：假设检验中拒绝原假设的显著性水平。
-
T-Test / Z-Test：均值差异检验。
-
Confidence Interval：总体参数的区间估计。
-
Type I error / Type II error：错误拒绝或错误接受原假设。
-
Degree of Freedom：统计量中可自由变化的数量。
-
Goodness of Fit：模型与数据吻合程度。
-
Monte Carlo Simulation：基于随机采样的模拟方法。
四、数据处理与特征工程
-
ETL：Extract-Transform-Load，抽取、转换、加载数据过程。
-
Data Transformation：对数据进行格式或数值变换。
-
Normalization / Standardization：数据归一化/标准化。
-
Imputation：缺失值填补。
-
Feature Selection/Reduction：选择或减少特征。
-
Feature Hashing：将特征映射到固定维度。
-
One Hot Encoding：将类别转为0/1表示。
-
Bootstrapping：重采样方法。
-
SMOTE：处理类别不平衡的过采样技术。
五、数据可视化
-
Bar Chart：柱状图。
-
Histogram：直方图。
-
Box Plot：箱线图。
-
Pie Chart：饼图。
-
Line Chart：折线图。
-
Dashboard：数据可视化展示工具。
-
Ggplot2 / Dplyr：R语言可视化与数据处理库。
六、机器学习算法与模型
-
Classification：分类任务。
-
Multi-Class Classification：多类别分类。
-
Clustering：聚类。
-
K-Means：常见的聚类算法。
-
DBScan：基于密度的聚类。
-
Hierarchical Clustering：层次聚类。
-
Decision Tree：树结构模型。
-
Random Forest (Bagging)：基于装袋的集成方法。
-
Boosting：迭代提升弱模型。
-
Naive Bayes：基于贝叶斯的分类器。
-
Logistic Regression：二分类模型。
-
Linear Regression / Polynomial Regression / Lasso / Ridge / Regression Spline：不同的回归方法。
-
Principal Component Analysis (PCA)：降维方法。
-
Factor Analysis：变量关系分析。
-
Market Basket Analysis：购物篮关联分析。
-
Market Mix Modeling：市场投放效果建模。
-
Hidden Markov Model：概率图模型。
七、深度学习与优化
-
Neural Network 基础：
-
Backpropagation：反向传播训练算法。
-
Gradient Descent / Stochastic Gradient Descent (SGD)：优化方法。
-
Adam Optimization：常见优化器。
-
Cost Function / Cross Entropy / Log Loss：损失函数。
-
Overfitting / Underfitting：过拟合与欠拟合。
-
Regularization：防止过拟合的方法。
-
Convergence / Convex Function：收敛性与凸优化。
-
-
深度学习模型：
-
CNN (Computer Vision 应用)。
-
RNN / LSTM / GRU：序列建模。
-
Reinforcement Learning：强化学习。
-
Transfer Learning / Pre-trained Model / Few-shot Learning / One-shot Learning：迁移与小样本学习。
-
Spatial-Temporal Reasoning：时空推理任务。
-
八、模型评估指标
-
Accuracy：准确率。
-
Precision and Recall：精确率与召回率。
-
F-Score：调和平均指标。
-
Confusion Matrix：分类结果矩阵。
-
Classification Threshold：分类概率阈值。
-
True Positive / True Negative / False Positive / False Negative：混淆矩阵元素。
-
Root Mean Squared Error (RMSE)：回归误差度量。
-
Residual：预测值与实际值差。
-
Evaluation Metrics：通用评估指标。
-
Bias-Variance Trade-off：偏差-方差平衡。
-
Concordant-Discordant Ratio：模型排序一致性度量。
-
Rotational Invariance：模型对旋转的鲁棒性。
九、大数据与工具
-
Hadoop / HDFS：分布式存储与计算框架。
-
MapReduce：分布式计算编程模型。
-
Hive：SQL 查询工具。
-
Pig：数据流脚本语言。
-
Mahout：机器学习库。
-
Spark：内存计算大数据框架。
-
Flume：日志采集。
-
Oozie：工作流调度器。
-
Zookeeper：分布式协调服务。
-
MLaaS：Machine Learning as a Service。
十、编程语言与库
-
Python：数据科学主流语言。
-
R：统计与可视化常用语言。
-
Scala：与 Spark 常配合使用。
-
Julia：高性能科学计算语言。
-
Go：系统级编程语言。
-
Pandas / Numpy：Python 数据分析库。
-
TensorFlow / PyTorch / Torch / Keras：深度学习框架。
引用：https://www.analyticsvidhya.com/glossary-of-common-statistics-and-machine-learning-terms/
