為集中趨勢的最常用測度值，目的是確定一組數據的均衡點。
樣本平均數（或簡稱平均數）是一組樣本 \(x_{1}, x_{2}, x_{3}..., x_{n}\) 的和，除以樣本的數量。其通常記作 \(\overline{x}\)（唸 x bar)），其計算式如下： \[ \overline{x}=\frac{x_{1}+x_{2}+\cdots+x_{n}}{n} \] 其公式如下： \[ \overline{x}=\frac{1}{n}\left(x_{1}+x_{2}+\cdots+x_{n}\right)=\frac{1}{n} \sum_{i=1}^{n} x_{i} \]
\(xi=\) 數據個別值 \(i=i~n\) \(n=\) 樣本數大小
而在統計學中，母體所有數的平均數稱之為「母體平均數」以 \(μ\) (唸mu) 表示。
最近在解一些關於影像的平移與縮放變換，順手紀錄一下相關數學原理。
在 Transform 中，它有四個相關屬性，分別是 Translate (位移)、Scale (縮放)、Rotate (旋轉)、Skew (傾斜)。
如果你跟我一樣，喜歡在新系統出來的時候，重新安裝一個全新乾淨的 macOS 作業系統，那麼你可以按照以下步驟，先進行設置一個 macOS Catalina USB 安裝磁碟，再來快速 Format 安裝一個全新的 macOS 作業系統。
最近誤打誤撞的，跑去參加了「機器學習 百日馬拉松」，裡面有許多蠻有趣的學習範例，引用了資料科學社群 Kaggle 的資料，囊括了許多數據挖掘、資料處理、統計分析等概念，後面再來一一分享我自己對於範例中 Sample Code 的理解，以及作業解題的思路，剛好對於我自己來說也是一種複習！
在處理一些 Machine Learning 的過程中，我們有時候會碰到需要將一些大型的 Learning Data 隨著程序一起上傳到 Github 中，但是在 Github 本身是不接受超過 100mb 檔案的，它會出現以下的錯誤，這主要是因為 Github 想要避免因為大型檔案而增加其他用戶進行 Clone 的獲取時間，那麼有什麼方法可以解決這個問題呢？
