「麻省理工博士」大数据是怎么坑你的？数据分析高频错误：德州神枪手谬误

[@王大陆-w3g]

真不错，现在真正有用的知识反而没人看，越是娱乐的反而大多数看，我觉得博主可以做个这样的统计，就是视频类型与人群的分析

[@jonoy4375]

数学是智力 物理是智慧

[@jeeeenny]

讲得真好，怎么不更新了，求更新

[@theocean547]

这个内容这么好怎么没人呢

[@rich-lp1gn]

太棒了，有用的知識增加了

[@shenghdc]

請問Kai博士有機會能講講機器學習嗎? 尤其是跟金融相關, 有時序問題的數據, 究竟該怎麼分類與標籤, 才會是比較好的作法, 期待Kai博士的講解

[@quintinlam1602]

數學是內涵 物理是表象

[@hongyushen9308]

博士，南方人的普通话讲的好传神啊！博士，健身效果不错呢！

[@susannepetrussen2095]

你也看出来了😝

[@myworldAI]

哈哈，他身上没有大数据

[@shuangsong-ew3dn]

现在的大模型，还有普通的预测方式，不就是跟进原有数据，拟合出一个公式，稍做调整，在一定的置信度下，预测明天，或者下一时期的情况吗？

[@張小四-l6s]

原來賽亞人看到月亮會變身是真的

[@touristchina]

你好，怎样看待基于大数据的机器学习？

[@RyanRN-j1n]

帥👍

[@chuanshengyang5710]

嗯，这也就是data snooping吧

[@samlam3027]

原来是这样，UCI的试卷是这样做出来的

[@_mikishi_]

顶。同时lol@斯图皮德盖

[@李雨寰-g1m]

好帅

[@nedbarry4615]

等着

[@YetEthanOnly]

你可以參考「富達」這款大樂透預測軟體，看看其中的留言，看看韭菜多好割

[@CafaBaldwin]

有趣!

[@land-x5678]

赌球不

[@matthewhsu7299]

这个头发是不是自己理的啊

[@timliu5565]

你好帅啊555

[@user-ij9nc2rm3f]

牛

[@xigeng5986]

👍

[@samlam3027]

喜欢的人设个靶在她和政府部门那里，不稀罕的人的靶在监狱和会火葬厂旁边……

[@lintaogood]

本来就是啊，傻不傻。策略按照大数据来，但不是为了拟合和匹配历史数据创造策略。必须有你自己的逻辑。这个逻辑不是为了拟合历史数据而去说，就像你不能因为涨停了，去找理由一样。，而是本身的逻辑符合市场。一群留言被up主诱导，真可笑，股票和彩票不同，股票是人为操作的（当然彩票可能也是），股票并不是随机现象哦。研究历史很重要，是研究一种操作惯性。历史不会简单重复，但是会重复。这叫：人性、改不了的，放心。

[@rich-lp1gn]

所以研究方法很重要

[@andyliu3522]

视频不高产啊

[@chenyi5395]

智商高，学历高的人才会关注这个博主的视频

[@ul2ny3ev4o]

@@chenyi5395 不能這麼說，像我學歷就低 hhh

[@SavetheOcean-y7d]

你那个瑞典高压线与白血病相关性的例子恐怕不典型。如果研究800多病，而白血病比例是outlier 的话，的确是可能由于研究误差，但也可能是真实存在。所以深入研究此一个疾病与高压线的关系是必要的。尤其你也提到，其他国家跟进研究也得到同样的结果，那么这个outlier可能就不是研究误差引起的，一定有其真正的相关性。因为如果随机误差造成的，为什么其他国家的跟进研究又刚刚好是白血病比例最高？而不是其他疾病呢？

[@Kita_Ikki]

相关性和因果性完全不同，相关性关系可能是反向的。比如高压线附近的房子价格低廉，得白血病的人缺钱就只能住在附近。比如高压线附近是医药公司的住宅，而得白血病的儿童在医药公司里受到了辐射

[@CosmicShaman777]

笑死 悟了

[@hw1451]

哈哈stupid公式！