抽样分布和统计检验在统计与机器学习中至关重要。抽样分布描述样本统计量的行为，包括样本均值和样本比例。自由度影响假设检验的分布形状。Z检验适用于大样本均值比较，t检验适用于小样本，卡方检验用于分类变量的关联分析。理解这些概念有助于有效的数据分析。
该文综述多种生物医学数据特征选择与分类方法，包括模糊基因选择、Spearman过滤、Frobenius范数、多目标粒子群、WPFS网络及RoboSS损失，应用于癌症分类和GWAS分析，并比较乳腺癌预后方法，发现简单t检验常最优。
完成下面两步后，将自动完成登录并继续当前操作。
