討論串[討論] Python 有 SAS、SPSS 做不到的資料分析嗎
共 4 篇文章
首頁
上一頁
1
下一頁
尾頁
內容預覽:
小弟任職單位完全用 Python/C++ 等程式語言做資料分析的工作,. 成員都是電資相關科系/機器學習等背景,. 但是在敘述統計的解釋上經常有盲點,導致對於推論的結果不是很有信心。. 最近想嘗試找一些傳統統計背景的人,但是同時懂程式設計的人不多,. R 又難以融入現有團隊,萬一離職也不好找人接手。
(還有241個字)
內容預覽:
讓我花點時間想想怎麼整理成可以公開的例子..... 不過像是我們在讀文獻時,光 p-value 的意義就要花很多時間弄懂,. 因為 ML 沒在談這個,這是我們希望傳統統計人可以幫上的地方之一。. 另外就是做 regression 的時候,"高相關 != 低誤差" 是我做了一陣子實驗,. 仔細比較 M
(還有172個字)
內容預覽:
小的正好R和SAS都還算熟,跟你分享一下最近的心得. 先說說SAS超越python/R的地方. 我覺得SAS最強的地方有兩點. 第一點是古典統計,SAS很早期就開始發展了. 在電腦運算還沒那麼強的時候,想對資料做推論的時候就需要仰賴學術上的統計方法. 而SAS把這些方法都寫進核心中,讓使用者方便將資
(還有1375個字)
內容預覽:
一些不同意見。. 儘管計算能力與資料存儲方式一直在進步,. 受限於研究方法 (是否有能力取得母體的資料) 或實驗成本,. 現今很多領域研究的對象依然是樣本而非母體。. 以基因體研究為例,一個病人檢體的WGS就要數十萬,. 不可能去計算母體的資料。. 其實我覺得生技領域,或者說 -omics 領域處理
(還有255個字)
首頁
上一頁
1
下一頁
尾頁