• MJ小朋友
    2017-12-18
    对我们大二学的概率论与数理统计这本书的总结
    
     10
  • 小太白dingyi david
    2018-02-07
    有点疑惑,数理统计 和 贝叶斯方法中的后验概率计算 之间有何区别和联系? 谢谢!

    作者回复: 思路是类似的,但数理统计是从有限的数据出发进行推测,因此除了给出待估计的参数的取值之外,还要计算出取值的可信程度,就像一个从不把话说死的人。

    
     4
  • 刘祯
    2017-12-28
    继续补课中,数理统计更要花功夫了。我想了想,今天的思考题答案如下:

    两者的相同点在于,它们都是着眼于从数据中学习,探讨如何从数据中提取人们需要的信息或规律,如何辅助人类决策或者分析。

    两者的不同点在于,它们分析的方式可能不尽相同,机器学习强调最终的精确程度,也就是老师所说的性能优化,而且并不需要对有关变量之间的潜在关系提出先验假设,只是需要更多维度的数据来增加分析,数理统计中关心推导方式,还要了解估量值和数据特征,那三个标准就是我们研究所必须了解的内容,否则会容易造成偏差。
    展开
    
     3
  • yunfeng
    2018-01-16
    【数理统计与AI】数理统计是理论基础,AI是其一个应用场景,数理统计此基础科学的发展,也会促进AI的发展,反之亦然。
    
     2
  • 多动脑少废话
    2017-12-24
    这篇文章可以当成数理统计的大纲,深入学习还是要看数理统计的教材
    
     2
  • 胖胖胖
    2019-05-21
    研一快结束了,修完了矩阵论,数理统计,最优化和数值分析,重新来听了一遍,感觉讲了很不错,讲的很精炼,但感觉对真正完全的初学者不是很友好。。。比如上学期刚开学的我。。。

    作者回复: 有点基础能更快地进入节奏

    
     1
  • 吴文敏
    2018-01-09
    范化误差的三部分中,我知道偏差和方差是和模型相关的,我们可以通过调整假设改变模型进而trade-off两者。噪音是和模型无关的吗?也就是说噪音表示当前学习任务的理论瓶颈?

    作者回复: 关于噪声可以这么理解,因为再好的模型也不会降低问题的难度。梯子可以让你爬得更好,却没法把墙变矮。

    
     1
  • hockidoggy
    2017-12-28
    我觉得数理统计更偏向于从理论角度研究方法论,进而探讨如何应用。而机器学习是基于一类场景,从解决问题的角度出发来寻找适合的方法,是数理统计在具体应用层面的一个分支。

    作者回复: 可以这么理解,机器学习的各种算法是数理统计思想的载体。

    
     1
  • Geek_59
    2019-12-19
    打卡第一天(1/21):
    <<人工智能基础课03>>
    机器学习本质上是一种算法,这种算法由数据分析习得,而且不依赖于规则导向的程序设计;
    统计建模则是以数据为基础,利用数学方程式来探究变量变化规律的一套规范化流程。
    机器学习和数理统计的确具有相同的目标:从数据中学习,
    他们的核心都是探讨如何从数据中提取人们需要的信息或规律;
    不同点:
    1,机器学习更多地强调优化和性能,而统计学则更注重推导。
    2,机器学习是数据越多,预测通常就越准确,是黑盒;
    相比较数理统计:则必须了解数据的收集方式,估计量(包括p值和无偏估计)的统计特征,被研究人群的潜在分布规律,以及多次试验的期望参数的类型。研究人员需要非常清楚自己在做什么,并提出具有预测能力的参数。而且统计建模通常用于较低维度的数据集;
    总的来说,我们可以认为机器学习和统计建模是预测建模领域的两个不同分支。这两者之间的差距在过去的 10 年中正在不断缩小,而且它们之间存在许多相互学习和借鉴的地方。未来,它们之间的联系将会更加紧密。
    今天学到了:
    数理统计与概率论的不同是在于:概率论在找下一个点,数理统计是局部推整体
    数理统计相关名词:数理统计,概率论,样本均值,样本方差,点估计(矩估计,最大似然估计法[无偏性,有效性,一致性]),区间估计,置信区间,泛化误差(偏差,方差,噪声)
    展开

    作者回复: 打卡效果max!

    
    
  • 吴凌华
    2019-10-30
    股市不能预测,因为导致概率变化的条件不能穷尽,而且那种条件有时很难作为独立事件

    作者回复: 是的,要预测股市需要把所有人的行为,以及他们之间的互相影响都进行建模,这种微观预测是实现不了的。

    
    
  • 吴凌华
    2019-10-30
    人工智能只能在样本限定范围内来做推演

    作者回复: 人类自己的思维方式也是这样,从有限到无限,从特殊到一般

    
    
  • 🐸吸烟的青蛙
    2019-10-28
    置信区间可以用如下的方式直观解释:对总体反复抽样多次,每次得到容量相同的样本,则根据每一组样本值都可以确定出一个置信区间 (\underset{\raise0.3em\hbox{\smash{\scriptscriptstyle-}}}{\theta } ,\bar \theta),其上界和下界是样本的两个统计量,分别代表了置信上限和置信下限。
    小编?置信区间的公式展示有问题,麻烦处理?

    作者回复: 其实公式就是一个下划线和一个上划线

    
    
  • Hanan
    2019-07-13
    模型的偏差越大就越欠拟合,也就是训练误差越大;方差越大就是越过拟合,也就是测试误差越大。请问可以这样理解吗?

    作者回复: 可以这么理解,但欠拟合的测试误差也会很大,所以两个都是要避免的情况。

    
    
  • Geek_jianghao
    2019-06-22
    为什么学习器不是通过对训练数据学习到具有普适性的模型呢?

    作者回复: 是的,就是训练集,犯了个低级错误。

    
    
  • 进击的mosquito
    2019-04-05
    数理统计是机器学习中使用方法之一,是机器学习的工具。
    
    
  • gogo
    2018-12-14
    数理统计大纲,第三讲,打卡!
    
    
  • Bellaxy
    2018-11-07
    全是干货。细节还要自己去看。
    
    
  • forrest
    2018-06-03
    感觉数学都忘完了😱
    
    
  • 凡拾
    2018-03-22
    比较赞同“我觉得数理统计更偏向于从理论角度研究方法论,进而探讨如何应用。而机器学习是基于一类场景,从解决问题的角度出发来寻找适合的方法,是数理统计在具体应用层面的一个分支”
    
    
  • 斌
    2017-12-27
    是不是要先学微积分和线性代数,然后学概率论和数理统计,最后再学统计学,才算有了初步的基础。
    
    
我们在线,来聊聊吧