- 主题:为什么有时候纯数据模型是失败的
那咋办呢？总比不要数据也不要模型的看起来可靠点
【 在 shawn2020 的大作中提到: 】
: 看到有些专家、学者还在用改开后的几十年数据样本做模型、找趋势，本中想说这种做法可能存在重大缺陷和误导。数据是客观的，没问题；统计手段是科学的，这不假，但是任何纯数据模型都是有缺陷的，尤其是很多重大的非数据变量不能纳入其中的情况下。很多“两耳不闻窗外事，一心只为做研究”的学者对“新时代”领会的不够深刻，认为新时代是旧时代的线性承接。这其实是大错特错的想法。新和旧是对立的，而且新的趋势终究要取代旧。从这个角度出发，旧数据显然不适用新时代，更不能反映新趋势。很多令你们费解甚至令你们讨厌的学者其实并不否定旧，而是对新不能做出有效判断。在新旧环境变量出现根本性变化的情况下，这种分阶段来看的观点也不是没有道理的。总之，离开环境背景看数据显然是有很大局限的甚至是失效的，尤其是在当前背景下。
: 发自「今日水木 on 神功护体，刀枪不入」
--
FROM 75.181.32.*
所以说要业界审核，你调了参数，难道内行看不出吗？
【 在 jacobson1 的大作中提到: 】
: 模型就是个数学算式，并不能根据现实而变化，而且受参数影响很大，只要把参数稍微调调，就会出现截然相反的结果
: 我搞过数据，很明白这个道理，很多人就为了证明自己的结论，搞个模型，看起来很牛叉，有数据，有分析，然而并没有什么用
--
FROM 75.181.32.*
业界审核，一种正式的，一种你这种，你也的看的出有问题不是吗？
【 在 shawn2020 的大作中提到: 】
: 业界审核？你说的是纯学术吧，不是本帖主旨
: 发自「今日水木 on 神功护体，刀枪不入」
--
FROM 75.181.32.*
看你发什么水平了，NATURE这些数据发了有人揭露的。 又撤回的
其他行业比如金融，也有模型测试，专门找模型的漏洞
当然监测肯定不可能查到所有的东西
【 在 jacobson1 的大作中提到: 】
: 你说论文审核吗，就个模型他能审出啥来
: 他也不会帮你调参数，看起来差不多那么回事就行了
--
FROM 75.181.32.*
特别那些新药的数据，多少人盯着，肯定定不是你调参数的问题，而是数据造假。弄出来的别人肯定看不出。
--
FROM 75.181.32.*
相反，现在美国的金融模型渗透到各个方面。
就连批不批信用卡这些，都是模型完成的，不是人工。
【 在 jacobson1 的大作中提到: 】
: 经济学根本没法证伪，因为因素太多，没法预测
: 物理化学的模型倒是可以通过实验来证明的
--
修改:Psychnp FROM 75.181.32.*
FROM 75.181.32.*
其实我也认同不能全靠数据，还是要有一定的业界经验才能准确的走向。
【 在 shawn2020 的大作中提到: 】
: 存在重大缺陷的模型用还不如不用，当然只是为了发论文的除外，参数怎么调，怎么能过，自己想办法呗
: 发自「今日水木 on 神功护体，刀枪不入」
--
FROM 75.181.32.*
资本就相信模型啊，不然现在不会搞的各行各业都在用模型。
【 在 jacobson1 的大作中提到: 】
: 比蚂蚁信用分好点有限
--
FROM 75.181.32.*
那没办法，很多搞专业研究的统计不一定好
复杂的还要请人统计的来帮忙，而统计他又不一定理解行业需求。
【 在 hut 的大作中提到: 】
: 我看很多统计模型与智能模型的论文
: 很多根本不管模型的假设以及结果的统计分析
: 把数据往模型里一扔，看个准确率就完事了
: ...................
--
FROM 75.181.32.*
医学这块是光学统计的完全不能做
都是分两块，一块专业设计，一块统计设计
后面那块一般发文章基本都不会详细的写出来，估计要专门去探究。
【 在 hut 的大作中提到: 】
: 但是专干统计的由于不懂行业
: 对于一些假设与结果的分析就做不好做不深
: :
--
FROM 75.181.32.*