作者查詢 / f496328mm

總覽項目：發文 | 留言 | 暱稱

作者 f496328mm 在 PTT [ Statistics ] 看板的留言(推文), 共153則

限定看板：Statistics

看板排序：

全部NBA4020Boy-Girl1165Soft_Job650Gossiping409WomenTalk401Python344R_Language288StarCraft256Tech_Job222home-sale218MiamiHeat209Master_D195Pisces157Statistics153NARUTO141DataScience131Stock123Cavaliers114TKU_Talk110NBAGAME107ONE_PIECE107sex79fastfood61Simcity49PC_Shopping44AllTogether43SouthPark32Lifeismoney30movie26Rockets25CATCH24C_JapanBoard21CodeJob20Taurus15LeBronJames14Miaoli14Mavericks13BLEACH10Hualien10marriage10Orl-Magic9Celtics8FuMouDiscuss8Hawks8joke8Nuggets8Salary8BLAZERS7HomeTeach7NDHU7PublicIssue7ToS7UTAH-JAZZ7Windows7AOE6Hunter6Instant_Food6Bucks5PHX-Suns5Sagittarius5Spurs5Thunder5Wanted5DragonBall4Gersang4japanavgirls4Kings4KoreaDrama4Trading4Wizards4Anchors3ChicagoBulls3CourtBasketB3Employee3Grizzlies3KS98-3023L_TalkandCha3LoL3Militarylife3Nets3NTU3SP2_Basket3Beauty2graduate2Hornets2JD_Lover2Lakers2MapleStory2RDSS2specialman2Steam2Teacher2Women_Picket2CYCU_Talk1DummyHistory1Economics1FJU1G-S-WARRIORS1job1Kaohsiung1Knicks1LaClippers1LaTeX1Loan1MATLAB1MenTalk1need_student1Nightmarket1NSYSU1NTUHistory011Option1Raptors1RTS1SENIORHIGH1Taitung1TigerBlue1Timberwolves1TKU_EE_92C1Wen-Shan1worldbasket1<< 收起看板(120)

首頁

尾頁

[問題]電腦模擬的擲骰和實際的擲骰

[ Statistics ]7 留言, 推噓總分: 0

作者: snob2 - 發表於 2019/05/26 19:03(6年前)

1^F→f496328mm: 電腦模擬跟實際會不同，電腦六面都是1/605/26 19:30

2^F→f496328mm: 實際上，骰子六面並不平均05/26 19:31

[問題] 統計檢定的意義？在資料分析中真的有用？

[ Statistics ]34 留言, 推噓總分: -1

作者: deniel367 - 發表於 2018/11/06 00:22(7年前)

19^F→f496328mm: 只不過是某個人自訂的?? 那是經過嚴謹的推論證明來的11/07 07:55

20^F→f496328mm: 醫學上統計檢定用的更多，因為那是人體用藥11/07 07:59

21^F→f496328mm: 在藥廠，實務上，你可以單看圖就去下決定??11/07 07:59

[程式] SAS Base programming考試有人有考過嗎

[ Statistics ]16 留言, 推噓總分: +5

作者: AmigoSafin - 發表於 2018/06/13 22:10(7年前)

2^F→f496328mm: 記得考一次100鎂06/14 12:58

3^F→f496328mm: 不建議考都是選擇題寫程式考選擇???06/14 12:59

[問題] 大數據用在選舉操盤？

[ Statistics ]13 留言, 推噓總分: +2

作者: dharma - 發表於 2017/10/28 16:09(8年前)

9^F推f496328mm: 增加 "大數據" 這個名詞剩下都是假的10/28 21:12

10^F→f496328mm: 以後可能會換成 AI 反正名詞大家都隨便亂用10/28 21:12

[問題] 使用 R 或 Python 做 big data 電腦推薦

[ Statistics ]40 留言, 推噓總分: +7

作者: JefferyTseng - 發表於 2017/10/19 18:04(8年前)

37^F→f496328mm: 認真說筆電U系列蠻弱的 CPU 常常操到掛掉10/28 15:18

38^F→f496328mm: 筆電不用到 I7 RAM還比較重要10/28 15:20

39^F→f496328mm: 要是真的沒辦法就分批處理 DATA 吧10/28 15:22

40^F→f496328mm: 會比較麻煩就是了10/28 15:22

[問題] 關於遺失值的處理

[ Statistics ]32 留言, 推噓總分: +2

作者: dummytrue - 發表於 2017/10/13 18:00(8年前)

1^F推f496328mm: 主要還是看問題吧10/14 04:09

2^F→f496328mm: 遺失值也是一個訊息不是NA就不理他10/14 04:09

3^F→f496328mm: 你要想為何會產生 NA10/14 04:10

4^F→f496328mm: 在 ML 的 tree 上遺失值也能做分析10/14 04:10

5^F→f496328mm: 而大多數 ML ，都是從 tree 出發, RF、XGB 等等10/14 04:11

6^F→f496328mm: 例如在製程的問題上 NA 是正常的不能不理他10/14 04:12

10^F→f496328mm: 你可以從醫學領域出發去想10/15 22:35

11^F→f496328mm: 疾病應該就是有病跟沒病10/15 22:35

12^F→f496328mm: 填補可以試試平均10/15 22:36

13^F→f496328mm: 或是特殊醫療檢測例如核磁共振10/15 22:36

14^F→f496328mm: 一般很難做到核磁共振就算做這個能高度判斷出有無病10/15 22:37

15^F→f496328mm: 一般醫院還是從X光、超音波開始，頂多到電腦斷層10/15 22:37

16^F→f496328mm: 你做出核磁的變量x超強但好像意義不大?10/15 22:38

17^F→f496328mm: https://goo.gl/eibh9L 我做製成分析並寫篇文章介紹10/15 22:41

18^F→f496328mm: 基本上也是高度遺失值10/15 22:41

24^F推f496328mm: 我剛好10/16被抓去當兵以後很難回你啦10/28 15:11

25^F→f496328mm: 基本上醫學上做這個應該就是希望10/28 15:12

26^F→f496328mm: 最少成本(檢驗方法) 達到最高判斷率吧?10/28 15:12

27^F→f496328mm: 一般迴歸可以看 p value, 或是 lasso AIC BIC 等等10/28 15:13

28^F→f496328mm: 遺失值方面應該有相對應的統計模型10/28 15:14

29^F→f496328mm: 我是從 ML 的角度去看10/28 15:14

30^F→f496328mm: 利用少量變數達到不錯的準確度10/28 15:14

31^F→f496328mm: 另外 lasso 也很多種變形10/28 15:15

32^F→f496328mm: 不要侷限在單一檢驗方法全部一起用會比較好10/28 15:15

[問題] 統計相關問題

[ Statistics ]13 留言, 推噓總分: +4

作者: f2002kof - 發表於 2017/10/02 22:32(8年前)

7^F推f496328mm: 可以搜尋 F-measure ，會有很多檢驗值，像是accuracy和10/03 01:22

8^F→f496328mm: precision供你參考10/03 01:22

9^F推f496328mm: 之後，看你對於overkill和underkill，哪個比較重視，10/03 01:26

10^F→f496328mm: 拿產品良率舉例，如果你不希望給客戶太多不良品，這時b10/03 01:26

11^F→f496328mm: 就比較好，即使損失70個良品的成本10/03 01:26

12^F→f496328mm: 因為對客戶來說，你良率100%10/03 01:27

Re: [問題] 工業統計 vs. 財金統計？出路？

[ Statistics ]12 留言, 推噓總分: +8

作者: celestialgod - 發表於 2017/09/13 21:30(8年前)

1^F推f496328mm: 推推09/14 10:30

[問題] 用machine learning方法做時間序列的data

[ Statistics ]11 留言, 推噓總分: +1

作者: eggbo - 發表於 2017/09/11 17:57(8年前)

2^F→f496328mm: 時間序列做CV 要有點技巧09/11 20:05

3^F→f496328mm: 不能把未來當作 train, 過去當成 test09/11 20:05

4^F→f496328mm: 衡的切沒錯先用一部分去建model09/11 20:05

5^F→f496328mm: 讓你的model學會預測未來09/11 20:06

6^F→f496328mm: 再用剩下的test data 去驗證"預測未來"的效果09/11 20:06

7^F→f496328mm: 我有做過類似的也是用 ML 有興趣可以站內聊聊09/11 20:07

[問題] 為何國內都教/用 SAS 很少用STATA ?

[ Statistics ]75 留言, 推噓總分: +17

作者: goodpoint - 發表於 2017/08/27 01:31(8年前)

20^F→f496328mm: R 免費所以出事沒辦法推給別人阿08/27 21:37

21^F→f496328mm: SAS貴的很花這麼多錢出事有人負責08/27 21:37

22^F→f496328mm: 不是教授背書是SAS背書08/27 21:38

32^F推f496328mm: SAS 收費這麼高就是保證強08/29 02:43

33^F→f496328mm: R 跟 Python 幾乎都是 open source 相對危險08/29 02:43

37^F→f496328mm: 我用 R 處理過 8千萬筆data過.................08/29 10:21

45^F→f496328mm: 個人比較喜歡 R 程式碼精簡工具也非常齊全08/30 08:21

46^F→f496328mm: 而且 R 很直覺如果某些統計方法沒有套件08/30 08:21

47^F→f496328mm: 用 R 直接寫一個也不難08/30 08:22

48^F→f496328mm: 另外 R 也是將 DATA 丟到 RAM 中08/30 08:24

49^F→f496328mm: R 可以多核心運算高階函數也多速度上算快了08/30 08:25

50^F→f496328mm: 不過還是看每個人的習慣喜好08/30 08:27

51^F→f496328mm: 另外也不用侷限在單一語言寫超過兩種語言都很正常08/30 08:29

72^F推f496328mm: 很好奇SAS真的好用嗎？之前學過一陣子SAS + 考到base09/02 07:24

73^F→f496328mm: 證照，在接觸R、Py之後，完全不想用SAS了09/02 07:24

74^F推f496328mm: 一個 SAS 好幾GB，真不知道為什麼要這麼大，用光碟安09/02 07:31

75^F→f496328mm: 裝過，好像有4片，神扯09/02 07:31

首頁

尾頁