w*s
发帖数: 7227 | 1 怎么知道最优匹配的是2维，3维还是n维的曲线呢？ |
G**Y
发帖数: 33224 | 2 2维不行的话，一般要考虑splines了
3次和高次的问题太多
【在 w*s 的大作中提到】
: 怎么知道最优匹配的是2维，3维还是n维的曲线呢？
|
r*g
发帖数: 3159 | 3 cross validation.
只用一部分数据拟合，用剩下的检验。 |
w*s
发帖数: 7227 | 4 are you saying you cannot get the answer in 1 shot like line fit (least
square) algorithm ?
【在 r*g 的大作中提到】
: cross validation.
: 只用一部分数据拟合，用剩下的检验。
|
u******x
发帖数: 54 | 5 Regularization?
【在 w*s 的大作中提到】
: 怎么知道最优匹配的是2维，3维还是n维的曲线呢？
|
w*s
发帖数: 7227 | 6 any link pls ?
【在 u******x 的大作中提到】
: Regularization?
|
N******K
发帖数: 10202 | 7 鬼知道
【在 w*s 的大作中提到】
: 怎么知道最优匹配的是2维，3维还是n维的曲线呢？
|
N******K
发帖数: 10202 | 8 spline是个好东西
【在 G**Y 的大作中提到】
: 2维不行的话，一般要考虑splines了
: 3次和高次的问题太多
|
u******x
发帖数: 54 | 9 no link. this is common knowledge
【在 w*s 的大作中提到】
: any link pls ?
|
u******x
发帖数: 54 | 10 also,no matter what your lost function is, didnt you validate it on hold-out
data?
【在 w*s 的大作中提到】
: any link pls ?
|
|
|
w*s
发帖数: 7227 | 11 well, if it can be mathematically proved, then i don't need to validate, do
i ?
out
【在 u******x 的大作中提到】
: also,no matter what your lost function is, didnt you validate it on hold-out
: data?
|
w*x
发帖数: 518 | 12 首先，你指的是order（次）而不是dimension（维）吧？维是由数据决定的，次是可选
的，比如线性（一次）、抛物线（二次）等等。
然后，次数越高肯定效果会越好，因为一次是二次的一个nested model （可以wiki一
下就明白了）。是不是值得用二次（换句话说，是不是增加的拟合效果值得多花两个系
数），可以采取F检验，也可以WIKI一下。
【在 w*s 的大作中提到】
: 怎么知道最优匹配的是2维，3维还是n维的曲线呢？
|
u******x
发帖数: 54 | 13 I guess we are talking about different things.
do
【在 w*s 的大作中提到】
: well, if it can be mathematically proved, then i don't need to validate, do
: i ?
:
: out
|
m********5
发帖数: 17667 | 14 如果没有物理模型，可以完美fit任何数据，但这又有什么意义？
所以这个一次，二次，甚至更高次，如果不是物理模型指导，可以设计实验证伪的话，
没有任何意义，越高次越没有意义
【在 w*x 的大作中提到】
: 首先，你指的是order（次）而不是dimension（维）吧？维是由数据决定的，次是可选
: 的，比如线性（一次）、抛物线（二次）等等。
: 然后，次数越高肯定效果会越好，因为一次是二次的一个nested model （可以wiki一
: 下就明白了）。是不是值得用二次（换句话说，是不是增加的拟合效果值得多花两个系
: 数），可以采取F检验，也可以WIKI一下。
|
w*s
发帖数: 7227 | 15 i do not understand your points, if u can put more explanations, that'll be
better ...
【在 u******x 的大作中提到】
: I guess we are talking about different things.
:
: do
|
m********5
发帖数: 17667 | 16 肯定是越高次fit越好，但这没有任何意义
一般会根据复杂程度进行惩罚，但在没有物理模型指导的情况下，统计上的惩罚度只能
是经验性的，没有太大意义
说个最土的，你随机重抽样你的data pool，得到一个子样本. fit子样本以后拿去匹配
剩下的样本，看哪个fit更好。
然后多重复几次随机抽样，看fit参数是否稳定
【在 w*s 的大作中提到】
: 怎么知道最优匹配的是2维，3维还是n维的曲线呢？
|
w*s
发帖数: 7227 | 17 "肯定是越高次fit越好", make sense, thanks !
【在 m********5 的大作中提到】
: 肯定是越高次fit越好，但这没有任何意义
: 一般会根据复杂程度进行惩罚，但在没有物理模型指导的情况下，统计上的惩罚度只能
: 是经验性的，没有太大意义
: 说个最土的，你随机重抽样你的data pool，得到一个子样本. fit子样本以后拿去匹配
: 剩下的样本，看哪个fit更好。
: 然后多重复几次随机抽样，看fit参数是否稳定
|
i**i
发帖数: 1500 | 18 看书，有标准方法检验.
【在 w*s 的大作中提到】
: 怎么知道最优匹配的是2维，3维还是n维的曲线呢？
|
