百科问答小站 logo
百科问答小站 font logo



Stein's Paradox 在统计上或者在实际运用中的意义是什么? 第1页

  

user avatar   guo-ni-he 网友的相关建议: 
      

stein的这个结论让人们发现,(在高维问题中,即维数大于等于3)简单地将估计朝原点做shrinkage就能提升预测精度。后面蓬勃发展的统计学习中有一大类方法,其思想根源就是这里,这种方法叫(高维问题中的)正则化。甚至可以说,统计学习本质思想之一的bias-variance tradeoff即发端于此。

事实上,人们后来提出的ridge regression就基于这种方法(甚至可以叫等价)。而在90年代末、20世纪初的十几年时间里涌现的大量正则化方法,如lasso, elastic net等等,虽形不同,但神似之。而如此蓬勃发展的方法的起点,居然是早在1956年。每念及此,都只能由衷赞叹。




  

相关话题

  机器学习中使用正则化来防止过拟合是什么原理? 
  常用的机器学习算法比较? 
  如何计算一个体检时间间隔的上限,使得体检者即使罹患胃癌,被发现的时候有99.9%的概率处于早期? 
  有哪些统计学专业反直觉的知识? 
  目前的人工智能可以打「颜值」分吗? 
  对于创业者来说,有哪些比较好的财务类入门书籍? 
  为什么我国的概率与统计学教科书里不怎么讲幂律分布? 
  对于候选人来说,「10 人录取 1 人」和「100 人录取 10 人」两种规则难度一样吗? 
  心理统计里的相关系数和显著性值怎么理解? 
  如何对R中每一行数据求和? 

前一个讨论
抛物线为何属于圆锥曲线?
下一个讨论
已知若干个独立同分布的随机变量之积的分布,如何求单个随机变量的分布?





© 2025-04-05 - tinynew.org. All Rights Reserved.
© 2025-04-05 - tinynew.org. 保留所有权利