在数据处理与分析的领域中，我们经常借助模型来进行预测。这些模型往往基于不同的分类原理。比起我之前提到的那些复杂模型，一些基础的预测模型显得更为简单明了。
分类模型是其中一种基础模型，它首先选定一个数据子集，然后根据该子集的特点进行一定的预测。这样的预测通常与这个子集和它的补集（即整体数据中除子集外的部分）之间的差异有关联。如果我们将整个数据集看作是人群，那么这个子集可能就是指威斯康星州的人群。
我们的预测可能是关于威斯康星州的人群在奶酪消费上的情况。可能看起来像是一个有待证实的断言，但这背后却可以有两种方式被看作是模型。如果我们有足够的理由来支持这个断言，比如基于一定的理论或实际数据支持，那么这个断言就可以被视作一个假设，而这个假设背后隐含的则是关于世界运行规则的模型。
在我所著的这本书中，我将详细描述那些具有明确假设的正式模型。以一个具体的例子来说明为什么我如此看重模型的作用。想象一下，如果我们面对的是一堆银行过去十年发放的住房文件，你可能会选择逐一细读并用个人判断来预测每个是否会出现违约。我则更倾向于使用一个简单的分类模型。
我会先查看过去三年的平均收入与每月还款额的比率，然后将这些文件分为高收入支付比率和低收入支付比率两大类。基于这些分类，我预测第一类的不会出现违约，而第二类的则可能出现违约。虽然这个模型的预测结果并非完全客观，但通过合理地设定分类的界限，它依然能够展现出其强大的预测能力。
通过比较，我们可以发现，这种严格的分类模型在预测违约方面的准确度往往高于单纯的专家判断。
现在，让我们来探讨一些统计学中的基本概念和度量方法。以四个不同价值的房屋为例：A值200K，B值300K，C值500K，D值600K。
请注意这些数值各不相同。我们所要介绍的首个统计量是均值，它是这四个房屋价值数的平均数，即400K。而第二个统计量叫做方差，它主要反映了这些数值与均值的偏离程度。
方差是每个数值与均值之差的平方的平均值。以这个房屋价值的例子计算方差：方差 = (200K - 400K)^2 + (300K - 400K)^2 + (500K - 400K)^2 + (600K - 400K)^2 然后除以4。
通过计算和了解方差这样的统计量，我们能够更好地量化数据的变异性。