概率（probabilty）和統計（statistics）看似兩個相近的概念，其實研究的問題剛好相反。

概率研究的問題是，已知一個模型和參數，怎么去預測這個模型產生的結果的特性（例如均值，方差，協方差等等）。 舉個例子，我想研究怎么養豬（模型是豬），我選好了想養的品種、喂養方式、豬棚的設計等等（選擇參數），我想知道我養出來的豬大概能有多肥，肉質怎么樣（預測結果）。

統計研究的問題則相反。統計是，有一堆數據，要利用這堆數據去預測模型和參數。仍以豬為例?，F在我買到了一堆肉，通過觀察和判斷，我確定這是豬肉（這就確定了模型。在實際研究中，也是通過觀察數據推測模型是／像高斯分布的、指數分布的、拉普拉斯分布的等等），然后，可以進一步研究，判定這豬的品種、這是圈養豬還是跑山豬還是網易豬，等等（推測模型參數）。

一句話總結：概率是已知模型和參數，推數據。統計是已知數據，推模型和參數。

深度學習是啥：
我有模型，我們定義的網絡模型與損失函數，
我們也有結果數據，自己標注的數據集，
然后我們來根據模型與數據來計算我們的參數

參考鏈接：https://blog.csdn.net/u011508640/article/details/72815981/

總結

以上是生活随笔為你收集整理的深度学习与概率、统计的有趣探讨的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。