g******t
发帖数: 11249 | 1 机器学习到我们这个领域没啥用
。。。。
怪不得同行都没接触过 |
a*******1
发帖数: 1 | |
a******9
发帖数: 20431 | 3 四则运算
【在 a*******1 的大作中提到】
: 什么方向？
|
d**s
发帖数: 4741 | 4 machine learning 的数学是比较肤浅的 |
g******t
发帖数: 11249 | 5 经典的统计
【在 a*******1 的大作中提到】
: 什么方向？
|
K*****2
发帖数: 9308 | 6 统计用不上ml的，除非是天然缺大数据集, 我还真没见过
就连临床统计的都可以用ml
【在 g******t 的大作中提到】
: 经典的统计
|
g******t
发帖数: 11249 | 7 我们是低维数据.....
【在 K*****2 的大作中提到】
: 统计用不上ml的，除非是天然缺大数据集, 我还真没见过
: 就连临床统计的都可以用ml
|
K*****2
发帖数: 9308 | 8 低维如果是大数据，依然可以用ml，大数据不需要是高维
搞econ的人，经常不超过十个变量，也自称做大数据的
【在 g******t 的大作中提到】
: 我们是低维数据.....
|
g******t
发帖数: 11249 | 9 远不到10个 一个巴掌就够了
俺们好像跟sequential analysis更亲一点
【在 K*****2 的大作中提到】
: 低维如果是大数据，依然可以用ml，大数据不需要是高维
: 搞econ的人，经常不超过十个变量，也自称做大数据的
|
K*****2
发帖数: 9308 | 10 如果是sequential analysis, 就搞bandit吧
【在 g******t 的大作中提到】
: 远不到10个 一个巴掌就够了
: 俺们好像跟sequential analysis更亲一点
|
|
|
d***u
发帖数: 943 | 11
数学很肤浅，学问可不肤浅。为什么这么简单的单元多到一定程度就会有意想不到的结
果？学问很大很深。不过大部分的人应该集中在工程实现上，多作出些应用。
数学大多数情况都是马后炮。
【在 d**s 的大作中提到】
: machine learning 的数学是比较肤浅的
|
n********t
发帖数: 21 | |
d*******t
发帖数: 31 | 13 对，理论分析其实很复杂，也需要一定创造力。比如最常用的Cross-Validation都没有
搞清楚。
【在 d***u 的大作中提到】
:
: 数学很肤浅，学问可不肤浅。为什么这么简单的单元多到一定程度就会有意想不到的结
: 果？学问很大很深。不过大部分的人应该集中在工程实现上，多作出些应用。
: 数学大多数情况都是马后炮。
|
m*****n
发帖数: 3575 | 14 离散统计？
【在 g******t 的大作中提到】
: 远不到10个 一个巴掌就够了
: 俺们好像跟sequential analysis更亲一点
|
d********m
发帖数: 3662 | 15 你又转行经典统计了？
【在 g******t 的大作中提到】
: 经典的统计
|
d*****u
发帖数: 17243 | 16 了解一下RNN比如LSTM
很多时候输入维度不高，但是时间序列长。 |
d********m
发帖数: 3662 | 17 多低？一个变量？
【在 g******t 的大作中提到】
: 我们是低维数据.....
|
d********m
发帖数: 3662 | 18 就是，比如，mcmc如火如荼，但是其收敛性质连个门都没入
【在 d*******t 的大作中提到】
: 对，理论分析其实很复杂，也需要一定创造力。比如最常用的Cross-Validation都没有
: 搞清楚。
|
d********m
发帖数: 3662 | 19 econ定义的大数据，主要是时间点多，时间跨度长
定义不一样
【在 K*****2 的大作中提到】
: 低维如果是大数据，依然可以用ml，大数据不需要是高维
: 搞econ的人，经常不超过十个变量，也自称做大数据的
|
s*****t
发帖数: 987 | 20
那社会科学常用的问卷调查，改用经典的统计还是machine learning？
【在 d********m 的大作中提到】
: econ定义的大数据，主要是时间点多，时间跨度长
: 定义不一样
|
d*****t
发帖数: 15 | 21 社会科学用structural equation model，相当于ML里面Bayesian network的一个特例。
【在 s*****t 的大作中提到】
:
: 那社会科学常用的问卷调查，改用经典的统计还是machine learning？
|
