使用 Julia 进行统计：数据科学、机器学习和人工智能的基础

本仓库收录了书中全部 200 多个代码块。请访问本书官网，或直接前往 Springer：

本书共包含以下十章及三个附录：

1. 初识 Julia
2. 基础概率
3. 概率分布
4. 数据处理与汇总
5. 统计推断概念
6. 置信区间
7. 假设检验
8. 线性回归及其扩展
9. 机器学习基础
10. 动态模型的模拟

1. Julia 实用指南
2. 额外的语言特性
3. 额外的软件包

使用说明：

1. 克隆或下载本仓库，或其分支。
2. 确保已安装 Julia 1.4 或更高版本。
3. 运行 init.jl 文件以安装并预编译所需软件包。
4. 分别运行各个代码示例。

---

另一种选择是使用 Pluto。详情请参阅 StatisticsWithJuliaPlutoNotebooks.jl。

我们希望您能从中获得愉快的学习体验，并有所收获。

H.Klok Y.Nazarathy

StatsWithJuliaBook 快速上手指南

本指南旨在帮助开发者快速搭建《Statistics with Julia》书籍配套的代码环境，涵盖统计学基础、机器学习及人工智能核心内容。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows、macOS 或 Linux。
• Julia 版本：必须安装 Julia 1.4 或更高版本（推荐使用最新稳定版）。
  • 下载地址：https://julialang.org/downloads/
  • 国内加速建议：如果下载缓慢，可尝试通过清华源或中科大源镜像下载安装包。
• 网络环境：首次运行需下载依赖包，建议配置 Julia 国内镜像源以提升下载速度。

配置国内镜像源（可选但推荐）： 在终端启动 Julia 后，执行以下命令将包管理器指向清华大学镜像源：

using Pkg
Pkg.Registry.add(RegistrySpec(url="https://mirrors.tuna.tsinghua.edu.cn/git/julia/General.git"))
ENV["JULIA_PKG_SERVER"] = "https://mirrors.tuna.tsinghua.edu.cn/julia"

安装步骤

1. 获取源码 克隆本仓库到本地：

   git clone https://github.com/StatisticalRethinkingJulia/StatsWithJuliaBook.git
   cd StatsWithJuliaBook
   

   若无法访问 GitHub，可尝试下载 ZIP 压缩包并解压。

2. 初始化环境 进入项目目录后，运行 init.jl 脚本。该脚本会自动安装并预编译书中所需的所有 Julia 包（此过程首次运行可能需要几分钟）：

   julia init.jl
   

基本使用

环境初始化完成后，您可以直接运行书中的具体代码示例。

运行单个章节示例： 假设您想运行第 2 章（基本概率论）的代码，请在终端执行：

julia chapter02.jl

(注：请将 chapter02.jl 替换为您实际想要运行的文件名)

替代方案：使用 Pluto 交互式笔记本 如果您偏好交互式编程体验，可以使用基于 Pluto 的版本：

1. 访问配套仓库：StatisticsWithJuliaPlutoNotebooks.jl
2. 按照该仓库说明启动 Pluto 服务即可在浏览器中运行和修改代码。

现在，您可以结合书籍内容，深入探索从数据预处理到动态模型模拟的完整统计学习流程。