|
a*o
发帖数: 19981 | 2 x79能支持这货boot？那哥等有机会搞一个玩玩。现在x79板子不好买啊，没有deal，恶
霸上一个个结束价都200左右了。 |
|
|
|
|
d******a
发帖数: 32122 | 6 2017-06-13 15:44:24 作者：上方文Q 编辑：上方文Q 人气： 8210 次 评论(23
)点击可以复制本篇文章的标题和链接
让小伙伴们也看看： 收藏文章
比特币行情开始隐隐出现危机，但挖矿事业依旧火爆，导致市面上的各种AMD、NVIDIA
显卡都被洗劫一空。NVIDIA虽然曾经表态不希望厂商参与挖矿，但有钱不赚实在说不过
去，自己悄然打造了一款专门用于挖矿的新卡。
说是新卡，其实就是基于GTX 1060 6GB打造而来，取消了视频输出接口，可以专心用来
挖矿。
据博板堂最新报道，这批GTX 1060 6GB矿卡目前已经首批到货，数量达30万块，基本平
均分配给各家AIC厂商，基本都能分到几万块。
本周末，部分品牌就会提前开始出货，下周全面进入市场。
具体价格暂不清楚，据说比RX 470更便宜，但仅提供90天质保。
另据了解，挖矿事业彻底激活了显卡市场，让厂商和经销商赚得盆满钵满，比如GTX
1060 6GB能卖到2200元，1060 3GB双风扇卡能卖到1900元，GTX 1050 Ti双风扇也能卖
到1050元左右。
今年一年要赚钱的，基... 阅读全帖 |
|
发帖数: 1 | 7 日前有消息称，NVIDIA可能会选择GDC（游戏开发者大会，3月19日开幕）或自家的GTC
（图形技术大会，3月25日开幕）上发布GeForce新款显卡。
不过，权威媒体TMHW称，澳媒TT的爆料不靠谱，他们从多位产业链人士那里确认，
NVIDIA并没有这样的计划。
其实说来也对，NV新品的保密工作一般都比较差，要真是决定3月份发布，不可能外界
对大概轮廓还一无所知。
关于新品布局，报道也给出了更清晰的解释：
首先，Ampere（安培）架构的确接班Volta，但会是面向专业产品优化，没有消费级的
定位。
也就是说，NV今后将针对专业平台（设计、深度学习等）和游戏平台分别采用两种架构
，这样的好处是，在研发最开始的时候，就可以针对性地强化/舍弃某些特性，早年的
一体化架构+“黄氏刀法”可能是要结束了。
其次，消费级的产品是Turing（图灵）。然而，因为在目前的游戏卡市场卖相良好且
AMD施压有限，NVIDIA并不急于推出新卡，Turing的时间会进一步延后。
时间点上，AIC们最快5月份才能收到Turing的规格信息开始做BOM成本核算和战略规划
，非公显卡交付生产最快在6月中旬，7月... 阅读全帖 |
|
G*****h
发帖数: 33134 | 8 老硬件也有支持！
偶今天一个 AIC-7901 SCSI 的硬盘
只有 XP 的驱动，Vista, Win7 统统没戏
SuSE 装上去就一点问题没有 |
|
G*****h
发帖数: 33134 | 9 偶已经手工缩小了 NTFS，
有 20G 空白
结果安装程序在分区列表里啥也不显示
创建分区的按钮也是灰的
这个硬盘是挂在 AIC-7901 上的 SCSI，乌棒土咋这么土呢 |
|
m******r
发帖数: 1033 | 10 你这个还好，还不算特别恶心。
统计里的奇葩名词更多。 我最近也回过味儿来了。 统计这东西从历史上看有很多人搞
过，先是研究种子（或者是基因，出来的名词就和农业有关，什么treated, untreated
），后来是搞物理的搞统计，出来的名词就和物理有关，这信息那信息，aic, bic；然
后又是计算机的一帮人搞，recall/precision都是这些人想出来的。
后来我看书一看到这些故弄玄虚的东西，统统叉掉，同时注明： 江湖黑话，直接pass. |
|
m******r
发帖数: 1033 | 11 你这个还好，还不算特别恶心。
统计里的奇葩名词更多。 我最近也回过味儿来了。 统计这东西从历史上看有很多人搞
过，先是研究种子（或者是基因，出来的名词就和农业有关，什么treated, untreated
），后来是搞物理的搞统计，出来的名词就和物理有关，这信息那信息，aic, bic；然
后又是计算机的一帮人搞，recall/precision都是这些人想出来的。
后来我看书一看到这些故弄玄虚的东西，统统叉掉，同时注明： 江湖黑话，直接pass. |
|
m*******y
发帖数: 40 | 12 I purchase Gleim package and subscribed its Hot Topic, which is very
informative, the following information pertains to the CPA exam reforms,
hope it could be of help. (my understanding is that whether you'll be taking
new format or not in 2011, what matters is the time when you actually take
it, not when you apply for it. But please correct me if anybody has updated
information)
====================================================================
9/25/09
IMPORTANT NOTICE:
Earlier today, the AIC |
|
p**z
发帖数: 1311 | 13 Fw:
Dear all
Recently we had an incident where one of our staff was sent to attend a
stock take at a very unhygienic environment. We did not know beforehand
that the environment was so bad but nevertheless, our staff displayed
great professionalism by finishing the stock take.
Please remember that the safety and health of our people are always our
top priorities. As we often need to travel and work at clients'
premises, you should let your supervisors such as AIC/MIC/PIC know
immediate |
|
l**l
发帖数: 9 | 14 我在New Hampshire州，打算考CPA，NASBA官网列出以下机构接受其国外学历认证：
Association of International Credential Evaluators (AICE),
Education Records Evaluation Service (ERES),
Educational Credential Evaluators (ECE),
Educational Perspectives,
Foreign Academic Credential Service (FACS),
Josef Silny and Associates,
International Education Research Foundation (IERF)
NASBA International Evaluation Services
请问大家认为哪家比较好，或者大家一般倾向于选哪家？
非常感谢！！ |
|
w**********y
发帖数: 1691 | 15 likelihood
A personal subjective suggestion: simply devide your log likelihood by the
number of your data, then you will have the sense of the goodness of fit.
Mean error
training error and true (predictive) error
-I didn't know how people utilized "cross validation" with 'holdout' data,
until I worked in an insurance company. Theoratically, what they did is not
that perfect.
AIC, BIC
There is no big difference for model evaluation in theory between linear and
non-linear regression. Just harder |
|
A*******s
发帖数: 3942 | 16 my 2 cents, correct me if i were wrong:
This may be a general statistical question about variable selection. you may
need to compare r square, AIC, Cp of two models. |
|
d*****u
发帖数: 17243 | 17 总之acoustic的分析是基础，否则做出来的东西也没人信
不过phonology还是需要一些独特的idea的，不然大家都成了技术工
做Mandarin tone sandhi的人虽然多，但入手的方向还是有差别的吧
而且你把Mandarin做好了也很容易再做别的
记得我们前面讨论过用mora分析声调，没想有些人还真就是这么分析的
前两天看端木的paper，他就说普通话的音节通常是bimoraic的，而上海话通常是monomor
aic的
嘿嘿，看来我们随便乱想点什么都能迎合某些人的看法
不过也有人反对，而且我觉得也有道理
同时，我提出的一些问题他也认为没有很好的解决方案，鼓励我去“研究”
感觉端木这个人很nice，也是个好导师
据系里同学说给Yip等人写信通常是没有回音，呵呵
明
也
区
Chinese |
|
v*****a
发帖数: 1332 | 18 所谓的高级算法，还不是呼悠搞生物的哥们。。。
其实都是最简单的，（当然对于搞生物的来说，很FANCY拉）
真正的高级算法，要留着学计算机的自己发BIOINFORMATICS
至于数据会马上发光，简直是一定的。
这个效果绝对比学统计的都厉害。。。
（虽然学统计的，搞同一组数据，能得出截然不同的结果，AIC，BIC随你选）
统计是伪科学，已经深入人心了。
下一步计算机(算法)就快变伪科学拉。。。 |
|
s******s
发帖数: 13035 | 19 你这就不懂了。AIC/BIC随便选，所以才是科学。如果一板一眼只有一种
正确答案的，那是数学，不是科学。 |
|
|
s*****m
发帖数: 168 | 21 你做进化生物学的话应该转data science/ machine learning很容易啊
进化生物学不就是build tree吗？ 从sequence alignment开始到最后phylogeny，中间
有多少machine learning的技巧,比如：
dynamic programming
markov model
bootstraping / cross-validation
model selection (AIC/BIC, information theory)
Maximum likelihood estimate
Bayesian inference. Dirichlet分布啥的
各种tree search包括了多种non-convex optimization技巧
evolution model也是五花八门的time series model
neighbor joining本身就是average linkage hierarchical clustering. (
unsupervised learning)
还有其他的tree support比如SH-tes... 阅读全帖 |
|
|
|
|
|
|
|
|
s******s
发帖数: 11 | 29 I know it's partly an art, so just show me your sense of beauty please.
1 The determination of p-lag of AR. Many ways. Has there been any criterion
for specific cases? Or which do u suggest? PACF? AIC & SBC? Or something else?
2 Suppose the lag=L, then you estimate AR(L) and save the residuals E. Then
you use the Box-Pierce test to confirm that the E is uncorrelated. What's the
criterion? (Easy, but I just forgot)
3 If by any standard, E is uncorrelated, why did the guy write:" Now construct
L- |
|
F****3
发帖数: 1504 | 30 请问板上各位大神啊！
从000到255有256个数字，把这256个数字进行转换用字母a到j表示成密码，但是是三位
。请问可以知道每个数字对应哪个吗？谢谢！！！！
aaa
aab
aad
aag
aah
aai
abb
abc
abh
abj
aca
acg
adi
aea
aec
aed
aef
afc
afg
afh
agd
ahb
ahf
aib
aic
aie
aig
aje
aji
baf
baj
bbb
bbg
bbi
bbj
bcb
bcf
bci
bcj
bdc
bdf
bdh
beh
bfb
bfc
bff
bgd
bge
bgg
bgj
bhf
bhg
bhi
bib
bic
bid
bif
bjc
bjg
bjh
caa
cah
cca
ccg
cci
cdg
cef
ceh
cej
cfg
cfh
cga
chi
chj
cib
cih
cjb
cjf
cjj
daa
dac
dad
dae
dce
dcg
dda
ddd
ddh
deb
dec
ded
def
dff
dfh
dgb
dge
dgf
dhe
dia
dif
dii
djb
djc
eac
eai... 阅读全帖 |
|
z****e
发帖数: 2024 | 31 你这个“方向”是怎么定义的？
我的理解是，你在判断哪些参数有意义是吗？
step wise 的话，用AIC行吧？
或者用BMA。Bayesian Model Averaging。 |
|
l******i
发帖数: 1404 | 32 得出的值方向不对，说明model本身有问题。
选择predictor：如果predictor数目多的话（注意multicollinearity），建议用
stepwise model selection；predictor数目少的话，用all subset search.
在所有感兴趣的model里用R_adjusted_square结合C(p)和PRESS(p)判断。也可以结合
AIC, BIC, SIC。判据越多越好。
不过唯一的最好办法：get much more data, need sample size to be large enough.
这样asymtotic理论下的所有test就有意义了。也就不存在你说的Rsquare一会儿大一会儿小的问题了。
结果实在差的很远，不整regression，用multifactor ANOVA Model
再不行，就用nonparametric approach呗，例如bootstrapping |
|
m*********g
发帖数: 646 | 33 not very sure about your question, but try to google "aic stepwise nonlinear
regression model" |
|
m*********g
发帖数: 646 | 34 then, i think the nonlinear version "aic stepwise" could work. you can just
google some basic techniques, some include codes in R or in SAS
or, you can write your own codes based on some criteria score.
不大 |
|
y*******o
发帖数: 6632 | 35 stepwise and calculated information lose weighted by variable number.
AIC, BIC.
不大 |
|
a**a
发帖数: 32 | 36 Stepwise, AIC, BIC, Bayesian Score, LASSO, BOOST. |
|
S***e
发帖数: 108 | 37 Residual plots?
Compare AIC or BIC? |
|
q*********i
发帖数: 696 | 38 有一组数据，k是trial的次数，y是success的次数，pred是唯一的predictor
每个observation的trial次数都不一样。
R代码写成下面这样可以吗？
glm (y/k~pred,binomial(link = "logit"), weights =k)
或
glm (y/k~pred,binomial(link = "logit"))
看了半天help也没看明白weights参数在这里的意思，试着fit了一下两个命令得到的参
数差不多。deviance和AIC都是有weight的那个小一些。 |
|
w**********y
发帖数: 1691 | 39 The easiest way might be AIC, BIC..
Further, Bayes Factor..But I don't think you can do that directly in R and
SAS...
Further, en, that is in the research of model selection.
I just realized, what you mean by HIERARCHICAL? they are hierarchical models?
Or do you mean they are nested?== Model A <=Model B?
If so, take suggestion from lapringles ..Fit each model by SAS, then get the
score of -2logL |
|
F****r
发帖数: 151 | 40 the help on AIC and extractAIC functions in R may be helpful |
|
l*********d
发帖数: 254 | 41 来自主题: Statistics版 - R 再请教 用什么命令才能看到AIC()function 及extractAIC()function里真实的计算过程呢？谢
谢！ |
|
a*****z
发帖数: 87 | 42 it does not mean anything
supposed |
|
x*******u
发帖数: 500 | 43 请问survey set的logistic regression 如何output AIC or log likelihood value |
|
T******r
发帖数: 265 | 44 如果ereturn list 没有的话，最少可以自己算
local aic = -2*e(ll)+2*e(df_m)+2
local bic = -2*e(ll)+ln(e(N))*(e(df_m)+1) |
|
x*******u
发帖数: 500 | 45 但是svyset logist里 e(ll) 是missing， 也就是说它不计算ll
如果ereturn list 没有的话，最少可以自己算
local aic = -2*e(ll)+2*e(df_m)+2
local bic = -2*e(ll)+ln(e(N))*(e(df_m)+1) |
|
h******a
发帖数: 198 | 46 > print(summary(lme4_pre_wm1))
Linear mixed model fit by REML
Formula: log(fat) ~ time + time1 + gender + per_income + weight + t2 +
(time + gender + weight | subject)
Data: nurt_miss_n1989
AIC BIC logLik deviance REMLdev
117809 117973 -58886 117673 117773
Random effects:
Groups Name Variance Std.Dev. Corr
subject (Intercept) 3.7478e-01 0.6121924
time 4.8376e-04 0.0219946 -0.216
gender1 |
|
v*****a
发帖数: 1332 | 47 我本身也在学统计，
但是我来说两句“踢场子”的话
您老说的这些，基本上都是错的。
1，“统计学”是科学，但“应用统计”是伪科学。
“统计学”是什么？是“费马”（或者是伯努利？拉普拉斯？）大哥赌色子发明的一门
科学（应该是他们几个老人家吧）。
所有概率学阿，统计学阿都是建立在你有正确的模型的基础上的。
以猜硬币为例，随便你怎么搞，怎么P—VALUE，AIC，BIC，你再怎么搞还是搞博努力吧
。如果我工程上有机会出现硬币立在桌上怎么办？你们所有的分析的根基就错了。所以
说，“应用统计”只是一种方法，而不是一门科学。
总结：不要太高估计“统计”在工程上的正确性。
2，在“非统计本专业内”，统计工作着很难证明自己。
比如我是写程序的，公司没有我，就没有这个程序，就无法正常运行。
而搞统计的呢？你只能帮助写程序的人用更好的方法来解决问题。
也就是说，没有搞统计的，只有写代码的，公司还能凑合运行（可能不怎么正确，而且
效率低下）；如果只留搞统计的人下来的话，公司没办法运转。
3，“专业学统计5-6年”的人不一定好找工作。
恕我直言，学得时间越长，越钻得深，找“非统计本专业内”的工作，可能会越吃亏。 |
|
l*******y
发帖数: 22 | 48 不知道你的数据是否都是连续的？
我的经验是，做factor analysis有几个必要的步骤
第一，要有domain knowledge。一般去收集数据的人，心中对于有几个factor都大概有
个底。而且在统计分析完成以
后，并且model is verified statistically，背景知识至少也要能解释你的发现。
其次，如果数据是连续的，首先应当将相关矩阵画出来，（维数小的时候肉眼就可以看
出到底有几个类，比如你用
threshold cut掉一些elements）。如果维数很大，可以用一些基于permutation的算法
将聚类自动调整出来。这两步做完
以后，心里基本上就有个大概的了解了。这两部分虽然简单，其实在实际中很重要。
最后，也就是定量分析阶段，这个时候可以选用的模型就太多了。但是最终选用几个
factor，还是需要用定量分析的办法比
一比的。比如你现在的4个vs7个，就是一个很典型的例子。怎么比呢？方法太多了，比
如aic,bic,似然检验，bayesian
factor。但是直观来看，你variable才10几个，聚类就有7个，overfitting的概率实在 |
|
|
