我的数据科学路 未解之题

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检验的,自由度,是什么? 5、怎么样检验模型,得到的是,最准确且稳定的模型? 6、各个模型的使用场景,以