w*****5
发帖数: 515 | 1 理论的角度就不说了,我不是统计PHD,GLM就是学过而已..
陈老师的模型从工程上,在某些特殊的应用应该是有一定意义的..
从大多数情况来说:
首先,如果数据符合线性关系,那么直接的线性回归在工程应该是最好的选择..因为需要
的参数少,精确度高..一般不会考虑分段回归,因为这样的话,参数太多,而且陈老师并没
有给出case study,告诉我们他可以在准确度上有多大的提高..
其次,如果是非线性关系,那么最好的方法是利用经验建立非线性的模型...这样的好处
是可以用最简洁的方式来建模..如果用分段的方法,假设对每一段进行线性回归,为了能
够拟合曲线,必须要尽可能细分,这样的话,还是那个问题, 就是参数太多..光参数估计
就够工程人员搞半天了,不用说别的分析了.
陈老师的方法,我觉得可以用在某些特殊的工程应用中,比如某种材料的特性,在一些临
界点以后,性质明显不同.但是准确确定临界点又比较困难, 这时候可能用分段的模型,
通过一些方法来确定临界点,预测效果会提高一些. 但是谈不上对统计学有啥重要的突
破. 如果陈老师想弄这个,那应该要把这个topic变小,才有实际价值.
建议陈老师找几个工程上的特殊应用,把你的方法用上去, 然后和传统的线性回归或者
非线性回归做个比较..看看,你在预测上能不能有什么提高. 最后再加一些七七八八的
优化算法来调整权重,比如什么遗传算法,退火算法,蚁群算法,神经网络.估计发2篇IEEE
灌水的journal还是有指望的.....赫赫. | s*****r
发帖数: 790 | 2 你说的，早就有人做过了，不过肯定比陈大师的准确完备应用性强。千万别扯上陈大师
，这些低级的东西，陈大师会觉得脸上无光的。
陈大师的这个想法，就是朴素的混合模型。
简单讲，就是你怀疑数据从两个或多个不同的分布来的，需要估计有几个分布，这几个
分布又是怎么混合的。
【在 w*****5 的大作中提到】
: 理论的角度就不说了,我不是统计PHD,GLM就是学过而已..
: 陈老师的模型从工程上,在某些特殊的应用应该是有一定意义的..
: 从大多数情况来说:
: 首先,如果数据符合线性关系,那么直接的线性回归在工程应该是最好的选择..因为需要
: 的参数少,精确度高..一般不会考虑分段回归,因为这样的话,参数太多,而且陈老师并没
: 有给出case study,告诉我们他可以在准确度上有多大的提高..
: 其次,如果是非线性关系,那么最好的方法是利用经验建立非线性的模型...这样的好处
: 是可以用最简洁的方式来建模..如果用分段的方法,假设对每一段进行线性回归,为了能
: 够拟合曲线,必须要尽可能细分,这样的话,还是那个问题, 就是参数太多..光参数估计
: 就够工程人员搞半天了,不用说别的分析了.
| q*****q
发帖数: 158 | 3 你提的这些，统计上都有做。大师其实只是在目前的方法上做些改进，可惜还只是拍脑
袋拍出来的。。竟然还能上升到新的地平线了。。。
【在 w*****5 的大作中提到】
: 理论的角度就不说了,我不是统计PHD,GLM就是学过而已..
: 陈老师的模型从工程上,在某些特殊的应用应该是有一定意义的..
: 从大多数情况来说:
: 首先,如果数据符合线性关系,那么直接的线性回归在工程应该是最好的选择..因为需要
: 的参数少,精确度高..一般不会考虑分段回归,因为这样的话,参数太多,而且陈老师并没
: 有给出case study,告诉我们他可以在准确度上有多大的提高..
: 其次,如果是非线性关系,那么最好的方法是利用经验建立非线性的模型...这样的好处
: 是可以用最简洁的方式来建模..如果用分段的方法,假设对每一段进行线性回归,为了能
: 够拟合曲线,必须要尽可能细分,这样的话,还是那个问题, 就是参数太多..光参数估计
: 就够工程人员搞半天了,不用说别的分析了.
| s*****r
发帖数: 790 | 4 你太贬低大师了吧？做些改进？他哪些东西比已经做得更进一步更好？
这些还不是新的地平线？
【在 q*****q 的大作中提到】
: 你提的这些，统计上都有做。大师其实只是在目前的方法上做些改进，可惜还只是拍脑
: 袋拍出来的。。竟然还能上升到新的地平线了。。。
| w*****5
发帖数: 515 | 5 我知道呀..这东西这么直接的想法,没有啥fancy的.肯定有人弄过..所以我说么..估计
弄一弄可以发2篇灌水的IEEE journal..
我觉得这个对他是最实际的了.
【在 s*****r 的大作中提到】
: 你说的，早就有人做过了，不过肯定比陈大师的准确完备应用性强。千万别扯上陈大师
: ，这些低级的东西，陈大师会觉得脸上无光的。
: 陈大师的这个想法，就是朴素的混合模型。
: 简单讲，就是你怀疑数据从两个或多个不同的分布来的，需要估计有几个分布，这几个
: 分布又是怎么混合的。
| q*****q
发帖数: 158 | 6 哈哈，本来是写“试图”做些改进的。。。
【在 s*****r 的大作中提到】
: 你太贬低大师了吧？做些改进？他哪些东西比已经做得更进一步更好？
: 这些还不是新的地平线？
| g********r
发帖数: 8017 | 7 他做得比已经存在得东西差远了。要是这样也能发IEEE，计算机的人不要活了。
【在 w*****5 的大作中提到】
: 我知道呀..这东西这么直接的想法,没有啥fancy的.肯定有人弄过..所以我说么..估计
: 弄一弄可以发2篇灌水的IEEE journal..
: 我觉得这个对他是最实际的了.
| w*****5
发帖数: 515 | 8 hehe 那我就不知道了.我不是这个方向的,也没做这个literature review.
就随便提个意见.
【在 g********r 的大作中提到】
: 他做得比已经存在得东西差远了。要是这样也能发IEEE，计算机的人不要活了。
| g********r
发帖数: 8017 | 9 他就是靠堆砌名词来欺骗人的。乍一看以为是个东西。
还有人夸他辩品好。其实他虽然不骂人，但辩论的时候使用软暴力。很狡诈的一个人。
【在 w*****5 的大作中提到】
: hehe 那我就不知道了.我不是这个方向的,也没做这个literature review.
: 就随便提个意见.
| s********n
发帖数: 69 | 10 是啊，我就佩服你们了，怎么那么nice呢
【在 g********r 的大作中提到】
: 他就是靠堆砌名词来欺骗人的。乍一看以为是个东西。
: 还有人夸他辩品好。其实他虽然不骂人，但辩论的时候使用软暴力。很狡诈的一个人。
| | | T*******I
发帖数: 5138 | 11 想了半天，还是给LZ一个回帖吧，不然太不友善了。
首先，我不会寻求发paper了，因为我知道根本不可能获得发表，因为它过不了peer
review. 那些peers都是在最优化和强制连续性假设的理论下建自己方法论的名家。
看看这里发飚的人就知道那些peers会更加飚到何种程度？所以，我宁可瞪着双眼继续
观看他们上演荒诞的黑白悲喜剧。这令我很享受。
其次，我依然要声明我的方法是该领域唯一正确的统计学正解。当然，它在具体应有领
域的实际问题上可以做出一些细微的调整，但整个的分析逻辑是不变的，那就是，未知
临界点是且只能是一个加权期望估计。我们没有任何其它magic的数学方法可以实现未
知临界点的估计，因为我所做的工作实际是“post-sampling sampling
investingation or survey”or “post-sampling statistical investingation or
survey” for the random relative contributions of all random sampling points
to the unknown threshold!!!!!! What kind of other methods can do it?????
【在 w*****5 的大作中提到】
: 理论的角度就不说了,我不是统计PHD,GLM就是学过而已..
: 陈老师的模型从工程上,在某些特殊的应用应该是有一定意义的..
: 从大多数情况来说:
: 首先,如果数据符合线性关系,那么直接的线性回归在工程应该是最好的选择..因为需要
: 的参数少,精确度高..一般不会考虑分段回归,因为这样的话,参数太多,而且陈老师并没
: 有给出case study,告诉我们他可以在准确度上有多大的提高..
: 其次,如果是非线性关系,那么最好的方法是利用经验建立非线性的模型...这样的好处
: 是可以用最简洁的方式来建模..如果用分段的方法,假设对每一段进行线性回归,为了能
: 够拟合曲线,必须要尽可能细分,这样的话,还是那个问题, 就是参数太多..光参数估计
: 就够工程人员搞半天了,不用说别的分析了.
| q*****q
发帖数: 158 | 12 软暴力这个词描绘得太恰当了。大师说话很有他那个时代的风范，先给人扣帽子，然后
就从人家ID或者背景下手，阴阳怪气.再用国内master的身份把自己置于弱势的地位，
跟文革时候，宣称自己“我是贫下中农”真是太神似了。。。
【在 g********r 的大作中提到】
: 他就是靠堆砌名词来欺骗人的。乍一看以为是个东西。
: 还有人夸他辩品好。其实他虽然不骂人，但辩论的时候使用软暴力。很狡诈的一个人。
| r*****y
发帖数: 199 | 13 觉得你说得非常好，我第一次莫名其妙的的被陈大师奚落是在某讨论bootstrap的帖子
里，当时他的口气就搞得自
己是什么学术大牛一样，动不动就来句＂在我的文章里已经＂怎么滴怎么滴，当时没想
跟他多争，其实他所谓的
文章也就是jsm的，根本毫无权威性可言。这人典型的自恋＋偏执，等他自己禁锢自己
的气泡被打碎的那天，他
必定回自我奔溃的。另外他的确挖空心思的去研究别人的id，我的id本来是自嘲的，竟
然成了他主动攻击我的说
辞，对于这样的人，根本不值得大家好言相劝，希望他好自为之。
【在 q*****q 的大作中提到】
: 软暴力这个词描绘得太恰当了。大师说话很有他那个时代的风范，先给人扣帽子，然后
: 就从人家ID或者背景下手，阴阳怪气.再用国内master的身份把自己置于弱势的地位，
: 跟文革时候，宣称自己“我是贫下中农”真是太神似了。。。
| T*******I
发帖数: 5138 | 14 这bbs还真是一块神奇的地方，各路神仙汇聚，奇思飘散，幻象丛生。你上次看了我的
《陈立功的粉丝团成员名单》后感动得找我要包子，今儿个又窜到这里来指责我欺骗，
骂我狡诈，而且还是“很”一类的。
对于那些言行不一，前后矛盾的member，大家说说该如何对待？难不成是因为没被配发
包子的缘故？
不过，对他/她的“软暴力”的用语表示一点欣赏，估计他/她也因此而从我这里学到了
一点东东。但是，至于他/她对我的方法论的认识，我实在不敢恭维他/她的统计学素养。
借此机会顺便带来两颗普雷斯伯斯，配发给楼上的讫讫克拉克和诸男。
【在 g********r 的大作中提到】
: 他就是靠堆砌名词来欺骗人的。乍一看以为是个东西。
: 还有人夸他辩品好。其实他虽然不骂人，但辩论的时候使用软暴力。很狡诈的一个人。
| T*******I
发帖数: 5138 | 15 你的后半部说得不错，但前半部的陈述表明你的概念系统没有得到更新（尽管我已经给
了你，但不学新知识怪不得他人），因而逻辑思路依然沿袭在老套路上。
建议你沉下心来仔细揣摩我所使用的概念和逻辑。不要为它们表面的语义所迷惑，你要
从概率论的基本概念出发来思考：随机变量、可测性、可测空间、测度分布、期望估计、
权重或贡献等。然后你再看看你所熟悉的本领域他人做出来的方法，他们的临界点是否
是一个随机变量？可测空间在哪里？分布是怎样的？期望何在？
如果你自诩自己懂概率论，你不会看不到这些问题。如果你在他们的文章里找不到这些
东西，你觉得他们遵从了概率论吗？如果他们没有遵从概率论，你觉得他们的方法是统
计方法吗？如果不是，怎么能说他们的方法在统计学里是正确的解法？
【在 s*****r 的大作中提到】
: 你说的，早就有人做过了，不过肯定比陈大师的准确完备应用性强。千万别扯上陈大师
: ，这些低级的东西，陈大师会觉得脸上无光的。
: 陈大师的这个想法，就是朴素的混合模型。
: 简单讲，就是你怀疑数据从两个或多个不同的分布来的，需要估计有几个分布，这几个
: 分布又是怎么混合的。
|
|
