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

  《西部世界》在中国的实际观众量是百万级还是千万级? 
  个人觉得抛硬币并不是真正的随机事件,和抛硬币时候的各种状态参量有关系,那么到底什么是真正的随机? 
  R 和 Python (numpy scipy pandas) 用于统计学分析,哪个更好? 
  相关系数和R方的关系是什么? 
  机器学习中使用正则化来防止过拟合是什么原理? 
  大陆引进动画片详细精确时间点是哪里?是否有较为合适的查询方法? 
  茎叶图的中位数怎么读? 
  第七次全国人口普查数据:中国总人口超 14.1 亿,10 年来保持低速增长,还有哪些信息值得关注? 
  为什么「正态分布」在自然界中如此常见? 
  为什么做机器学习的很少使用假设检验? 

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?





© 2025-04-25 - tinynew.org. All Rights Reserved.
© 2025-04-25 - tinynew.org. 保留所有权利