为什么我要知道统计学，最小描述长度，最大似然估计，最小二乘估计，大数定律，贝叶斯，信息熵，辛普森悖论，假设检验，混淆矩阵，F1值，p值，置信区间，基尼系数，数据分布，自由度，方差。经典逻辑，量子计算。
这些概念，帮助我，从纷繁复杂的表象中获得真相，从不确定中获得确定的规律。
问题是，这么多要学的东西，我先学哪个，最实用？
先列问题：
1、为什么L1、L2正则化，可以降低模型的过拟合？
2、做a/b test，达到95%的置信度，需要多少样本？
3、最大似然估计，最小二乘估计；是什么？
4、t检验
