發信人: GzLi (笑梨), 信區: DataMining
標  題: [合集]時間序列挖掘與統計
發信站: 南京大學小百合站 (Wed Dec  4 01:14:21 2002), 站內信件

JoyZhang (Joy) 于Tue Dec  3 09:51:30 2002)
提到：

請問時間序列方面的數據挖掘在中國為什么不是很多

如果我想從事這方面的論文研究，如何能與統計系區分開來

上次我特地去請教統計系剛剛在香港大學做完時間序列博士論文的博士，他說我們如果統
計功底不是很強的話，不適合自己一個人做，能否提點建議，非常感謝



helloboy (hello) 于Tue Dec  3 09:57:47 2002提到：

其實不必要和統計區分，統計適合小數據。
dm適合于海量數據挖掘。可以利用統計中的有關技術去執導設計dm算法設計。
【 在 JoyZhang (Joy) 的大作中提到: 】
: 請問時間序列方面的數據挖掘在中國為什么不是很多
: 如果我想從事這方面的論文研究，如何能與統計系區分開來
: 上次我特地去請教統計系剛剛在香港大學做完時間序列博士論文的博士，他說我們如果統
: 計功底不是很強的話，不適合自己一個人做，能否提點建議，非常感謝


GzLi (笑梨) 于Tue Dec  3 11:02:36 2002提到：

我的看法，首先統計方法適合有先驗概率模型的數據或者有大量樣本的數據，
統計不適合沒有先驗知識的小數據，這樣很不準確。
其次，dm是一個概念，它的對象可以適合任何數據的數據，針對不同的數據選擇不同
的挖掘算法。可以在dm中利用統計的算法來解決問題。

我認為時間序列的數據挖掘跟統計不是一回事。統計是一門基礎學科，可以在數據挖掘中
扮演一類算法的角色。而相對的，數據挖掘是一門面向應用的學科。
最近，我剛看到一篇博士論文，講股票市場的數據挖掘，它用的不是統計方法，主要是
神經網絡，和混沌分形的方法。
而作為一種流行的方法，SVM已經在時間序列數據的建模中表現出了較好的性能。

以上是我的看法，歡迎討論。

【 在 helloboy (hello) 的大作中提到: 】
: 其實不必要和統計區分，統計適合小數據。
: dm適合于海量數據挖掘。可以利用統計中的有關技術去執導設計dm算法設計。
: 【 在 JoyZhang (Joy) 的大作中提到: 】


fervvac (高遠) 于Tue Dec  3 13:22:08 2002提到：

Very much interested in how to use ideas from "fractal" theory, :)

【 在 GzLi (笑梨) 的大作中提到: 】
: 我的看法，首先統計方法適合有先驗概率模型的數據或者有大量樣本的數據，
: 統計不適合沒有先驗知識的小數據，這樣很不準確。
: 其次，dm是一個概念，它的對象可以適合任何數據的數據，針對不同的數據選擇不同
: 的挖掘算法。可以在dm中利用統計的算法來解決問題。
: 我認為時間序列的數據挖掘跟統計不是一回事。統計是一門基礎學科，可以在數據挖掘中
: 扮演一類算法的角色。而相對的，數據挖掘是一門面向應用的學科。
: 最近，我剛看到一篇博士論文，講股票市場的數據挖掘，它用的不是統計方法，主要是
: 神經網絡，和混沌分形的方法。
: 而作為一種流行的方法，SVM已經在時間序列數據的建模中表現出了較好的性能。
: 以上是我的看法，歡迎討論。
: 【 在 helloboy (hello) 的大作中提到: 】