T*******I
发帖数: 5138 | 1 Continuity of Threshold Regression Model
我做了一个图来说明统计学中分段回归模型的连续性与数学中分段函数的连续性的区别。
说明一下：图中的临界点被假设并估计在Ｘ上（Threshold on X），它是在全样本空间
里进行迭代搜索（即每假设Ｘ的一个随机实测点为可能的临界点时就得到一对分段模型
，当样本量为ｎ时，就有ｎ对随机临界模型，每对临界模型都有一个合并的预测残差的
期望估计量）的基础上以分段模型的合并残差期望对全域模型的残差期望的相对改变为
权重而计算出来的Ｘ上的一个加权期望。所以，两个分段模型间不是ｅｘａｃｔｌｙ连
接在一起的。
我的问题是，这两个分段模型间是连续的还是离断的？为什么？（问题上站几个小时了
也没人愿意回答。还是让我自己回答好了：从统计的随机变异角度看，我们没法假设两
段模型间是连续的，两者间必有一个随机的连接变异存在，从而也就不能用解联立方程
的办法来估计临界点。为了知道两段模型是否连续，我们需要一个概率推断，即推断那
个随机的连接变异在本次抽样中作为随机误差发生的大小。这个变异在样本空间上发生
概率的大小可以用来估计其抽样误差发生的大小。这就是连续性检验的基本逻辑。）
估计我在这个样本空间里放置一个fullwise直线模型会令所有人感到不快，因为空间里
的关系显然不是直线似的，而是二次或三次多项式的关系。如果有人问这个放置背后的
逻辑是什么，我会告诉他／她，这就是辩证逻辑。
借此机会简单介绍一下自己在统计学里所做的工作：我所做的工作与概率论的关系不太
大（除了分段模型的连续性检验、分段模型间的差异性检验需要构造检验统计量以便进
行概率推断外）。主要是设计了一套分段回归分析的逻辑，以及两类三分迭代法。这都
是不需要任何数学知识的工作。另外就是对统计学里的一些问题进行了深度的哲学思考，
提出自权重的构造逻辑和统计算法。这也是不需要概率论支持的，只须简单的数学四则
运算技能。这种技能小学生就具备了。 |
w***n
发帖数: 1084 | 2 老陈，概率问题俺不懂。俺就想请教一下你为啥不写成Full model/Complete model，
而写成Fullwise model。字典里可没fullwise这个词。
【在 T*******I 的大作中提到】
: Continuity of Threshold Regression Model
: 我做了一个图来说明统计学中分段回归模型的连续性与数学中分段函数的连续性的区别。
: 说明一下：图中的临界点被假设并估计在Ｘ上（Threshold on X），它是在全样本空间
: 里进行迭代搜索（即每假设Ｘ的一个随机实测点为可能的临界点时就得到一对分段模型
: ，当样本量为ｎ时，就有ｎ对随机临界模型，每对临界模型都有一个合并的预测残差的
: 期望估计量）的基础上以分段模型的合并残差期望对全域模型的残差期望的相对改变为
: 权重而计算出来的Ｘ上的一个加权期望。所以，两个分段模型间不是ｅｘａｃｔｌｙ连
: 接在一起的。
: 我的问题是，这两个分段模型间是连续的还是离断的？为什么？（问题上站几个小时了
: 也没人愿意回答。还是让我自己回答好了：从统计的随机变异角度看，我们没法假设两
|
s*****r
发帖数: 790 | 3 这可是英语用语的ｎｅｗ ｈｏｒｉｚｏｎ．
【在 w***n 的大作中提到】
: 老陈，概率问题俺不懂。俺就想请教一下你为啥不写成Full model/Complete model，
: 而写成Fullwise model。字典里可没fullwise这个词。
|
d******e
发帖数: 7844 | 4 陈大师其实可以去考虑修一个linguistic的学位,哈哈
【在 s*****r 的大作中提到】
: 这可是英语用语的ｎｅｗ ｈｏｒｉｚｏｎ．
|
T*******I
发帖数: 5138 | 5 因为分段模型叫piecewise model，所以，为了读起来顺口，我就擅自在full的后面加
添了wise从而构造了这了新词。估计英语文化的人会被气得吹胡子瞪眼。我原本把它叫
着full-range model，后来感到那个dash实在讨厌，但又不好写成fullrange，当我联
想到piecewise时便受到启发，于是就有了这个新词作为统计学中的专有名词。所有第
一次见到它的人都懂，尤其是搞统计出身的。
其实，字典里的词全是人造的，每造一个词都是有目的和缘由的。
我费了这么多口舍来讲解整个故事的幕后细节，你该做点贡献了吧？可以回答我的问题
么？
【在 w***n 的大作中提到】
: 老陈，概率问题俺不懂。俺就想请教一下你为啥不写成Full model/Complete model，
: 而写成Fullwise model。字典里可没fullwise这个词。
|
c*******n
发帖数: 718 | 6 xx-wise means in the manner of "xx".
xx ususally is a noun. For example, clockwise, piecewise, nationwise.
【在 T*******I 的大作中提到】
: 因为分段模型叫piecewise model，所以，为了读起来顺口，我就擅自在full的后面加
: 添了wise从而构造了这了新词。估计英语文化的人会被气得吹胡子瞪眼。我原本把它叫
: 着full-range model，后来感到那个dash实在讨厌，但又不好写成fullrange，当我联
: 想到piecewise时便受到启发，于是就有了这个新词作为统计学中的专有名词。所有第
: 一次见到它的人都懂，尤其是搞统计出身的。
: 其实，字典里的词全是人造的，每造一个词都是有目的和缘由的。
: 我费了这么多口舍来讲解整个故事的幕后细节，你该做点贡献了吧？可以回答我的问题
: 么？
|
T*******I
发帖数: 5138 | 7 这个很有帮助。谢谢。我确实不懂英文文法（瞧，我在继续为那个黑白笑话加添内容）。
没办法，错误已经铸就了，没法挽回。
【在 c*******n 的大作中提到】
: xx-wise means in the manner of "xx".
: xx ususally is a noun. For example, clockwise, piecewise, nationwise.
|
g********r
发帖数: 8017 | 8 明白大师为什么攻击最优化了。
说实话，如果大师什么书都没读就自己想到这些，那么大师还是个有思想的人。可惜的
是，
把parameter积分出来，不是什么新东西。大师晚了几十年。
大师的具体方法是拍脑袋想出来的，不一定是好的。比如，为什么用你写的权重，而不
是这些权重的平方？不是它们的立方？为什么？ |
d******e
发帖数: 7844 | 9 UMN的Qiu 十几年前做的jump regression就已经可以搞定比陈大师复杂N倍的模型，呵
呵，而且无论是理论和实验Qiu的Jump Regression都已经比较完整了。
可是陈大师发扬鸵鸟精神，死活就说别人没做，若讨论原因，无外乎两点：
1.陈大师学的是基于“辩证法”的陈氏概率统计学，读不懂正常人的统计学。
2.承认了别人做过，陈大师的Uniqueness不就没有了么，还怎么来自称是颠覆传统统计
的神啊。
陈大师其实和李洪志在走一个路线，但陈大师缺乏团队策划，一个人单打独斗，而且只
在MITBBS上忽悠，难成气候啊。
【在 g********r 的大作中提到】
: 明白大师为什么攻击最优化了。
: 说实话，如果大师什么书都没读就自己想到这些，那么大师还是个有思想的人。可惜的
: 是，
: 把parameter积分出来，不是什么新东西。大师晚了几十年。
: 大师的具体方法是拍脑袋想出来的，不一定是好的。比如，为什么用你写的权重，而不
: 是这些权重的平方？不是它们的立方？为什么？
|
T*******I
发帖数: 5138 | 10 我想说的是，任何一个未知临界点都是一个随机变量，它必有一个可测空间、一个随机
分布和一个期望。统计的目的就是要在样本观察的基础上解决随机变量分布的期望估计。
分段回归分析是自５０年代末期开始出现的。在那之前一直受到权威的打压。权威们认
为只要样本足够大，“分段”关系可能就不成立了。大半个世纪过去了，尽管无数人在
这个领域里淘金发掘，但没人真正懂得如何做分段回归分析，更没人懂得应该将分段与
全域结合起来做分析。这是严重轻视黑格尔的辩证法所导致的遗憾。
把一个未知关系的parameter用函数积分的办法算出来，这是天方夜谭的事情，因为随
机系统不是按照函数关系构成的确定性系统。
人们对权重的理解存在众多误区。人们在看我的文章时，首先要弄明白的是这个权重是
一个什么性质的权重！！！权重的性质决定了由此计算的随机变量的分布期望的性质！
！！也就是说，权重是什么决定了那个期望是什么。
你们学统计学学到爪哇国里去了。怎么会问出如此荒谬的问题？
【在 g********r 的大作中提到】
: 明白大师为什么攻击最优化了。
: 说实话，如果大师什么书都没读就自己想到这些，那么大师还是个有思想的人。可惜的
: 是，
: 把parameter积分出来，不是什么新东西。大师晚了几十年。
: 大师的具体方法是拍脑袋想出来的，不一定是好的。比如，为什么用你写的权重，而不
: 是这些权重的平方？不是它们的立方？为什么？
|
|
|
T*******I
发帖数: 5138 | 11 多谢你提供的信息。
在我看来，一切在此之前的方法都存在严重的逻辑缺陷，尽管很多人不会赞同我的这个
观点。请你参考我对goldmember的回答。
所谓一个空间里的关系是否是一个"Jump"关系，必须由概率进行推定，而不是事先假定
好了再来建方法论。如果Qiu的文章里没有对"Jump"的概率推断，那就不是一个统计的
方法！！！因为他／她对随机空间里的关系是否是一个Jump的判断没有得到概率论的支
持！也就是那个关系不是一个非确定性的而是确定性的事件。如果有，我倒是愿意学习
他／她的东西。但据我所查考的文献，尚无人在我之前针对分段模型的连续性检验方面
做过任何工作。
【在 d******e 的大作中提到】
: UMN的Qiu 十几年前做的jump regression就已经可以搞定比陈大师复杂N倍的模型，呵
: 呵，而且无论是理论和实验Qiu的Jump Regression都已经比较完整了。
: 可是陈大师发扬鸵鸟精神，死活就说别人没做，若讨论原因，无外乎两点：
: 1.陈大师学的是基于“辩证法”的陈氏概率统计学，读不懂正常人的统计学。
: 2.承认了别人做过，陈大师的Uniqueness不就没有了么，还怎么来自称是颠覆传统统计
: 的神啊。
: 陈大师其实和李洪志在走一个路线，但陈大师缺乏团队策划，一个人单打独斗，而且只
: 在MITBBS上忽悠，难成气候啊。
|
s*****r
发帖数: 790 | 12 我看你连什么是随机的什么是固定的都没有搞清楚。
计。
【在 T*******I 的大作中提到】
: 我想说的是，任何一个未知临界点都是一个随机变量，它必有一个可测空间、一个随机
: 分布和一个期望。统计的目的就是要在样本观察的基础上解决随机变量分布的期望估计。
: 分段回归分析是自５０年代末期开始出现的。在那之前一直受到权威的打压。权威们认
: 为只要样本足够大，“分段”关系可能就不成立了。大半个世纪过去了，尽管无数人在
: 这个领域里淘金发掘，但没人真正懂得如何做分段回归分析，更没人懂得应该将分段与
: 全域结合起来做分析。这是严重轻视黑格尔的辩证法所导致的遗憾。
: 把一个未知关系的parameter用函数积分的办法算出来，这是天方夜谭的事情，因为随
: 机系统不是按照函数关系构成的确定性系统。
: 人们对权重的理解存在众多误区。人们在看我的文章时，首先要弄明白的是这个权重是
: 一个什么性质的权重！！！权重的性质决定了由此计算的随机变量的分布期望的性质！
|
T*******I
发帖数: 5138 | 13 我很想从你这里知道，在我的图片所示的样本空间里，什么是随机的？什么是固定的？而随机的和固定的之间有何差别和相同之处？然后我们才有进一步讨论的可能性。真诚地向你学习。
【在 s*****r 的大作中提到】
: 我看你连什么是随机的什么是固定的都没有搞清楚。
:
: 计。
|
s*****r
发帖数: 790 | 14 大师呀，你不要“真诚”向我学习，先找一本概率论基础开始学，把基本概念搞清楚了
，再做研究。
你的分段回归呀，可以这么看：
y|x
y|x>=t,t~N(a2+b2x,sigma^2)
你所知道的回归分析中，x 是固定的，不是随机变量。 如果t也认为是固定的，这个模
型就算确立了。
如果t是随机变量，那么这么模型还没完。您能完成么？
？然后我们才有进一步讨论的可能性。真诚地向你学习。
【在 T*******I 的大作中提到】
: 我很想从你这里知道，在我的图片所示的样本空间里，什么是随机的？什么是固定的？而随机的和固定的之间有何差别和相同之处？然后我们才有进一步讨论的可能性。真诚地向你学习。
|
T*******I
发帖数: 5138 | 15 人家告诉你Ｘ是固定的，你也就跟着这样说？如果我说这里的Ｘ是身高，而Y是体重。
两个都是随机的。你该不会跟我说身高是固定的吧？
另外，你还没回答完我的问题。随机的和固定的之间有何差别和相同？
最后，你能说我的ｔ是固定的而不是随机的？如果是固定的，它被固定在哪里？我怎么
事先不知道呢？
你说如果ｔ是随机的，我能否完成，我说我已经完成了，因为我的ｔ是在整个空间上的
分布的期望。
让我们期待着统计学乃至科学史上的这个黑白笑话如何演绎下去。
【在 s*****r 的大作中提到】
: 大师呀，你不要“真诚”向我学习，先找一本概率论基础开始学，把基本概念搞清楚了
: ，再做研究。
: 你的分段回归呀，可以这么看：
: y|x: y|x>=t,t~N(a2+b2x,sigma^2)
: 你所知道的回归分析中，x 是固定的，不是随机变量。 如果t也认为是固定的，这个模
: 型就算确立了。
: 如果t是随机变量，那么这么模型还没完。您能完成么？
:
: ？然后我们才有进一步讨论的可能性。真诚地向你学习。
|
s*****r
发帖数: 790 | 16 你看，我不是说了么，如果ｔ不是固定的，你就需要继续把模型完成呀。
如果ｘ不固定，你也需要继续才能把模型完成。
我说了，假定ｘ，ｔ固定，模型就完成了，就可以开始估计推断了。如果没完成，就需
要继续完成，才能作估计。
你说是随机的，我没说不可以呀，我说你应该继续。你就继续么。还是你觉得不需要继
续就可以了？
【在 T*******I 的大作中提到】
: 人家告诉你Ｘ是固定的，你也就跟着这样说？如果我说这里的Ｘ是身高，而Y是体重。
: 两个都是随机的。你该不会跟我说身高是固定的吧？
: 另外，你还没回答完我的问题。随机的和固定的之间有何差别和相同？
: 最后，你能说我的ｔ是固定的而不是随机的？如果是固定的，它被固定在哪里？我怎么
: 事先不知道呢？
: 你说如果ｔ是随机的，我能否完成，我说我已经完成了，因为我的ｔ是在整个空间上的
: 分布的期望。
: 让我们期待着统计学乃至科学史上的这个黑白笑话如何演绎下去。
|
T*******I
发帖数: 5138 | 17 你没看懂我的这篇短文？我说了，我已经搜索完了全空间，建了ｎ对临界模型！我已经
没有任何样本可以搜索了。Ｘ的每一个实测随机点都已被假设为可能的临界点了。不可
能继续下去了。
你依然没有回答完我在上面提出的问题。
【在 s*****r 的大作中提到】
: 你看，我不是说了么，如果ｔ不是固定的，你就需要继续把模型完成呀。
: 如果ｘ不固定，你也需要继续才能把模型完成。
: 我说了，假定ｘ，ｔ固定，模型就完成了，就可以开始估计推断了。如果没完成，就需
: 要继续完成，才能作估计。
: 你说是随机的，我没说不可以呀，我说你应该继续。你就继续么。还是你觉得不需要继
: 续就可以了？
|
s*****r
发帖数: 790 | 18 你连模型怎么建立都不清楚呀。你说的那些搜索呀什么的，是模型建立之后的事情。你
这模型还没建立呢，到那一步还早。
我把模型给你开了个头，你继续？或者重新开始？
【在 T*******I 的大作中提到】
: 你没看懂我的这篇短文？我说了，我已经搜索完了全空间，建了ｎ对临界模型！我已经
: 没有任何样本可以搜索了。Ｘ的每一个实测随机点都已被假设为可能的临界点了。不可
: 能继续下去了。
: 你依然没有回答完我在上面提出的问题。
|
T*******I
发帖数: 5138 | 19 如果您依然没有读懂我的这篇短文，我愿意再次陈述清楚一点。
我所说的迭代搜索，是指的根据全域模型给定的模型结构（例如这里我采用的是最简单
的直线模型。这个例子的全域模型也可以采用二或三次多项式模型），假设Ｘ的任一随
机实测点是可能的临界点，然后据此分解样本空间，在每段子空间里建一对与全域模型
同构的分段模型，其回归系数将依从假设的临界点而随机可变。因此，如果样本量为ｎ
，则有ｎ对临界模型，但这些模型都不是我们所需要的，它们的作用仅仅是输出期望的
预测误差，从而与全域模型的期望预测误差构成一个相对权重（这个权重是一个随机变
量，有ｎ个随机点测量值），从而，被假定的x_i与其权重一起就可以估计X的一个加权
期望。由于在这个两分法中Ｘ是作为被分割的临界变量的，因此，随机临界点的可测空
间与Ｘ的可测空间相同，从而这个加权期望就是随机临界点的期望估计。既然临界点期
望已经被估计出来了，我还会继续找其它的什么点作为临界点么？
因此，当临界点的期望得到后，据此分解样本空间并由各子样本建立最终的分段模型。
【在 s*****r 的大作中提到】
: 你连模型怎么建立都不清楚呀。你说的那些搜索呀什么的，是模型建立之后的事情。你
: 这模型还没建立呢，到那一步还早。
: 我把模型给你开了个头，你继续？或者重新开始？
|
d******e
发帖数: 7844 | 20 看来陈大师对fixed design和random design也一点都不了解。
嗯，也对，陈大师的法宝就是“我不懂”
【在 T*******I 的大作中提到】
: 人家告诉你Ｘ是固定的，你也就跟着这样说？如果我说这里的Ｘ是身高，而Y是体重。
: 两个都是随机的。你该不会跟我说身高是固定的吧？
: 另外，你还没回答完我的问题。随机的和固定的之间有何差别和相同？
: 最后，你能说我的ｔ是固定的而不是随机的？如果是固定的，它被固定在哪里？我怎么
: 事先不知道呢？
: 你说如果ｔ是随机的，我能否完成，我说我已经完成了，因为我的ｔ是在整个空间上的
: 分布的期望。
: 让我们期待着统计学乃至科学史上的这个黑白笑话如何演绎下去。
|
|
|
d******e
发帖数: 7844 | 21 呵呵，你能读懂Qiu的文章？
大师吹NB真淡定。
【在 T*******I 的大作中提到】
: 多谢你提供的信息。
: 在我看来，一切在此之前的方法都存在严重的逻辑缺陷，尽管很多人不会赞同我的这个
: 观点。请你参考我对goldmember的回答。
: 所谓一个空间里的关系是否是一个"Jump"关系，必须由概率进行推定，而不是事先假定
: 好了再来建方法论。如果Qiu的文章里没有对"Jump"的概率推断，那就不是一个统计的
: 方法！！！因为他／她对随机空间里的关系是否是一个Jump的判断没有得到概率论的支
: 持！也就是那个关系不是一个非确定性的而是确定性的事件。如果有，我倒是愿意学习
: 他／她的东西。但据我所查考的文献，尚无人在我之前针对分段模型的连续性检验方面
: 做过任何工作。
|
T*******I
发帖数: 5138 | 22 你读懂了我这篇短文以及和他人的讨论？
【在 d******e 的大作中提到】
: 呵呵，你能读懂Qiu的文章？
: 大师吹NB真淡定。
|
d******e
发帖数: 7844 | 23 你确定你写的是人话？
【在 T*******I 的大作中提到】
: 你读懂了我这篇短文以及和他人的讨论？
|
T*******I
发帖数: 5138 | 24 斗嘴没意思，创造不了任何价值。不妨咱俩合作，搞翻或重建Qiu的东西？或者，你自
己独立干，因为你认为你读得懂我和他／她的文章，可以相互比较。看看究竟谁的更好
！我自信我的比他／她的好，因为我所提出的方案是统计学里在这个领域的唯一解决之
道！没有任何其它magic的数学之道。
如果你真认为我说的不是人话，那么，我只能遗憾地说，你根本没读懂我的会议上的文
章、“孬种”一贴以及这一贴的相关讨论。
【在 d******e 的大作中提到】
: 你确定你写的是人话？
|
l*********1
发帖数: 2971 | |
v******y
发帖数: 4134 | 26 楼主，关于你提的问题，可能之前回复的人不大熟悉所以没有给你直接回答，但是我可
以帮他们回答，这个问题的确早已有解了，虽然也是近十几年的工作，但的确不新了
这个问题统计上关心的问题是如何确定那个出现分段的变点，一般是把他当作一个未知
参数来估计的，刚好我有朋友是做这个的，所以从她那里知道了很清楚理论结果 |
T*******I
发帖数: 5138 | 27 可否请你把她推荐给我。我好和她讨论讨论，看看我们之间是否有相同之处和差别之处
。我相信我和她之间一定存在不同之处。
谢了。
【在 v******y 的大作中提到】
: 楼主，关于你提的问题，可能之前回复的人不大熟悉所以没有给你直接回答，但是我可
: 以帮他们回答，这个问题的确早已有解了，虽然也是近十几年的工作，但的确不新了
: 这个问题统计上关心的问题是如何确定那个出现分段的变点，一般是把他当作一个未知
: 参数来估计的，刚好我有朋友是做这个的，所以从她那里知道了很清楚理论结果
|
l*********1
发帖数: 2971 | 28 类似change point model? 俺们生物医学常用，通常是一段平行的直线，然后在某个
threshold 上行下行，表明某种药物只有在那个临界点后才对结果起作用。把变点当成
随机变量，然后写出likelihood求解。
老陈的思路看起来应该更深点。
【在 v******y 的大作中提到】
: 楼主，关于你提的问题，可能之前回复的人不大熟悉所以没有给你直接回答，但是我可
: 以帮他们回答，这个问题的确早已有解了，虽然也是近十几年的工作，但的确不新了
: 这个问题统计上关心的问题是如何确定那个出现分段的变点，一般是把他当作一个未知
: 参数来估计的，刚好我有朋友是做这个的，所以从她那里知道了很清楚理论结果
|
D**g
发帖数: 739 | 29 有些情况下会有多个CHANGE POINTS，貌似会更复杂些。
陈大师应该尽量用英文发帖子，如果他的英文帖子能被大家读懂了，估计就可以试着向
主流学界推销了。其中需要注意的是：不要随意创造新概念，如果一定要这样，新概念
应该能用老的术语解释。
【在 l*********1 的大作中提到】
: 类似change point model? 俺们生物医学常用，通常是一段平行的直线，然后在某个
: threshold 上行下行，表明某种药物只有在那个临界点后才对结果起作用。把变点当成
: 随机变量，然后写出likelihood求解。
: 老陈的思路看起来应该更深点。
|
t*****0
发帖数: 2162 | 30 大师，搞不懂你一根死脑筋为什么要在mitbbs费劲，发到最权威杂志上叫他们都闭上
嘴 |
|
|
s*****r
发帖数: 790 | 31 难道你不知道就是没权威的杂志也不发表大师的著作么？
ｍｉｔｂｂｓ就是最权威的了。所以才有这么多深刻的讨论，以后是要影响统计这个领
域大大的。
【在 t*****0 的大作中提到】
: 大师，搞不懂你一根死脑筋为什么要在mitbbs费劲，发到最权威杂志上叫他们都闭上
: 嘴
|
f**a
发帖数: 7 | 32 我看法宝是“你没看懂我说的”，lol
【在 d******e 的大作中提到】
: 看来陈大师对fixed design和random design也一点都不了解。
: 嗯，也对，陈大师的法宝就是“我不懂”
|
n*****n
发帖数: 3123 | |
a***g
发帖数: 2761 | 34 这是他的两大法宝
【在 f**a 的大作中提到】
: 我看法宝是“你没看懂我说的”，lol
|
p********a
发帖数: 5352 | 35 想起当年孔明出道前是不是也爱自吹自擂？“常自比管仲乐毅，时人莫许之也”哈哈 |
T*******I
发帖数: 5138 | 36 我不知道为什么会被置顶。这仅仅是一个非常学术性的话题。不过，它确实不仅包含了
全新的思想和统计算法，而且一反从数学到统计学的广大领域里的传统思维和方法。这
是任何人也无法否认的。
【在 n*****n 的大作中提到】
: 牛啊。置顶了。。。
|
m******2
发帖数: 564 | 37 请问版上各位嘲笑陈大师的大牛
我想测最后几个点的斜率，又想利用前面的数据点来提高精度
有什么好的办法吗？
我的基本思路是最后几个点的model和前面点的一样，只是parameter有微调，想测这个
微调。
还有change points是什么意思？怎么优化呢？有没有参考文献？ |
