大数据文摘作品

编译：李雷、张馨月(博客,微博)、王梦泽、小鱼

除了文中所附的代码块，你也可以在文末找到整个程序在Jupyter Notebook上的链接。

在数据科学或统计学领域的众多话题当中，我觉得既有趣但又难理解的一个就是贝叶斯分析。在一个课程中，我有机会学习了贝叶斯统计分析，但我还需要对它做一些回顾和强化。

从个人观点出发，我就是想更好地理解贝叶斯理论，以及如何将它应用于现实生活中。

本文主要是受到了RasmusBååth在Youtube上的系列节目“贝叶斯数据分析入门”的启发。RasmusBååth非常善于让你直观地理解贝叶斯分析，不是抛各种复杂的公式给你，而是引导你一步步去思考。

RasmusBååth的视频链接：

http://www.youtube.com/user/rasmusab/feed

通过贝叶斯理论来分析棒球选手的命中率，手把手教你如何利用贝叶斯理论进行分析。说实话，我不是一个体育迷，也很少看体育比赛。

本文将

那么为什么选择棒球?

“不论你了解与否，但棒球的魅力就在于精确度。没有其他运动像棒球这样完全依赖于运动数据的连续性，统计性和有序性。棒球球迷比注册会计师还要关注数字。”

——体育记者Jim Murray

有人说棒球可能是世界上数据记录得最详细的运动。历史上已经累积了近百年来的棒球统计数据。

然而，仅仅收集统计数据并不会让棒球在统计方面变得有趣，也许更重要的是这项运动本身的特点。

举例来说，在完成一次打数(At Bats，是棒球运动中的一个成绩计算名词，指击球手完成打击的次数)过程中，谁在外野打球对于击球手是否可以击中本垒打影响甚微。

在其他体育运动，尤其是足球和篮球运动中，球员统计数据的意义可能会因球场内其他地方发生的重要事件而被淡化。而棒球这项运动中，统计数据在比较球员表现上发挥了重要作用。

棒球统计数据包含很多指标，有些指标的定义很直观，有些则比较复杂。我选择观察的测量指标是打击率 (Batting Average，AVG)。在棒球中，打击率由安打(Hits，安打是棒球运动中的一个名词)次数除以打数来定义，通常精确到小数点后三位。

文章投诉热线:156 0057 2229 投诉邮箱:29132 36@qq.com