P*****6
发帖数: 273 | 1 浏览本版的帖子，发现有谈到survical analysis和bayesian analysis的，很高兴，因
为这两个我会，就是不知道用处广不广。用在什么领域。本人没作过data scientist.
本来以为bayesian analysis可以用在online learning的领域，后来发现如果用
gradient descent求解的话，只要用新数据带入方程，更新那几个参数就可以了。:( |
c***z
发帖数: 6348 | 2 Great use.
For example, user attrition using survival analysis and sentiment analysis
using naive Bayes. |
P*****6
发帖数: 273 | 3 谢谢，
那我要把survival analysis深入研究一下。
naïve bayes 好像是 classification 的方法。很简单易用，有效。但其难度和
理论应用的广度比真正的bayesian analysis差远了。通常不归在bayesian analysis。
当初学bayesian analysis， 要先学EM 和 sampling, 洋洋上百页的讲义，连
empirical bayes 都只有一页。naïve bayes 根本没提。 但是bayesian 方法即
使在统计中都是小众。它的广度只是理论上的。
这个版有点冷清，全靠你了。其实，我觉得data science很值得交流，就算是需要不少
编程知识，大家只要看清方向，多交流，也会提高比较快，用不了一两年就可以实用了
【在 c***z 的大作中提到】
: Great use.
: For example, user attrition using survival analysis and sentiment analysis
: using naive Bayes.
|
d******4
发帖数: 132 | 4 Could you give more details about how to use survival analysis on user
attrition?
thanks
【在 c***z 的大作中提到】
: Great use.
: For example, user attrition using survival analysis and sentiment analysis
: using naive Bayes.
|
t*********u
发帖数: 26311 | 5 coask
【在 d******4 的大作中提到】
: Could you give more details about how to use survival analysis on user
: attrition?
: thanks
|
A*******s
发帖数: 3942 | 6 没做过marketing，
不过所有survival analysis的应用应该都差不多--
user attrition是一个event，
用一般的classification方法可以用来预测event occurrence within a certain
width of period
用survival就可以用来预测when the event will occur
logistic regression可以视为Cox model with exact/discrete time treatment of
tied events的特殊形式
【在 d******4 的大作中提到】
: Could you give more details about how to use survival analysis on user
: attrition?
: thanks
|
j*******g
发帖数: 331 | 7 似乎不同领域对bayesian的理解也不太一样 比如统计跟信号处理 也是最近才发现
我对beyasian的学习集中在probabilistic graphic model上
【在 P*****6 的大作中提到】
: 谢谢，
: 那我要把survival analysis深入研究一下。
: naïve bayes 好像是 classification 的方法。很简单易用，有效。但其难度和
: 理论应用的广度比真正的bayesian analysis差远了。通常不归在bayesian analysis。
: 当初学bayesian analysis， 要先学EM 和 sampling, 洋洋上百页的讲义，连
: empirical bayes 都只有一页。naïve bayes 根本没提。 但是bayesian 方法即
: 使在统计中都是小众。它的广度只是理论上的。
: 这个版有点冷清，全靠你了。其实，我觉得data science很值得交流，就算是需要不少
: 编程知识，大家只要看清方向，多交流，也会提高比较快，用不了一两年就可以实用了
|
P*****6
发帖数: 273 | 8 说实话，不知道生物统计临床怎么使，除此之外，我觉得就是graphic model用
bayesian最为易于理解，MCMC简直就是天然为此设计的。但是不知道data scientist用
它能解决什么问题
【在 j*******g 的大作中提到】
: 似乎不同领域对bayesian的理解也不太一样 比如统计跟信号处理 也是最近才发现
: 我对beyasian的学习集中在probabilistic graphic model上
|
t*********u
发帖数: 26311 | 9 你们说的survival analysis就是
stochastic process/reliability analysis的？
没做过marketing，
不过所有survival analysis的应用应该都差不多--
user attrition是一个event，
用一般的classification方法可以用来预测event occurrence within a certain
width of period
用survival就可以用来预测when the event will occur
logistic regression可以视为Cox model with exact/discrete time treatment of
tied events的特殊形式
【在 A*******s 的大作中提到】
: 没做过marketing，
: 不过所有survival analysis的应用应该都差不多--
: user attrition是一个event，
: 用一般的classification方法可以用来预测event occurrence within a certain
: width of period
: 用survival就可以用来预测when the event will occur
: logistic regression可以视为Cox model with exact/discrete time treatment of
: tied events的特殊形式
|
c****t
发帖数: 19049 | 10 machine learning的毛病就是没有自己原产的cost function。optimization和cost
function没啥关系。cost function实际上成了post monitoring
MCMC就是把它选cost function(MAP)和optimzation打包一起初理
【在 j*******g 的大作中提到】
: 似乎不同领域对bayesian的理解也不太一样 比如统计跟信号处理 也是最近才发现
: 我对beyasian的学习集中在probabilistic graphic model上
|
|
|
c***z
发帖数: 6348 | 11 我是半瓶醋叮当晃
班上其他大牛才是深藏若虚
bayesian analysis对我来说确实是高山仰止 类似于物理里面的统一场论
【在 P*****6 的大作中提到】
: 谢谢，
: 那我要把survival analysis深入研究一下。
: naïve bayes 好像是 classification 的方法。很简单易用，有效。但其难度和
: 理论应用的广度比真正的bayesian analysis差远了。通常不归在bayesian analysis。
: 当初学bayesian analysis， 要先学EM 和 sampling, 洋洋上百页的讲义，连
: empirical bayes 都只有一页。naïve bayes 根本没提。 但是bayesian 方法即
: 使在统计中都是小众。它的广度只是理论上的。
: 这个版有点冷清，全靠你了。其实，我觉得data science很值得交流，就算是需要不少
: 编程知识，大家只要看清方向，多交流，也会提高比较快，用不了一两年就可以实用了
|
P*****6
发帖数: 273 | 12 高手啊，能总结成这样
【在 c****t 的大作中提到】
: machine learning的毛病就是没有自己原产的cost function。optimization和cost
: function没啥关系。cost function实际上成了post monitoring
: MCMC就是把它选cost function(MAP)和optimzation打包一起初理
|
A*******s
发帖数: 3942 | 13 理论上就是Poisson process，semiparametric inference那些东西
不过应用起来知不知道这些理论关系不大
不大熟悉survival model在reliability方面的应用，不好说。
【在 t*********u 的大作中提到】
: 你们说的survival analysis就是
: stochastic process/reliability analysis的？
:
: 没做过marketing，
: 不过所有survival analysis的应用应该都差不多--
: user attrition是一个event，
: 用一般的classification方法可以用来预测event occurrence within a certain
: width of period
: 用survival就可以用来预测when the event will occur
: logistic regression可以视为Cox model with exact/discrete time treatment of
|
P*****6
发帖数: 273 | 14 这话可以理解为bayesian 在实际中用处不大就象统一场论 ：）
bayesian analysis没有这么难，只要上课肯定能会。平时还可以用winbug.
我觉得data scientist主要工作是分析问题，找到合适的方法。大部分这些方法展现出
来后，数学推倒都不算难。关键是想透，基本功扎实不出概念错误。
【在 c***z 的大作中提到】
: 我是半瓶醋叮当晃
: 班上其他大牛才是深藏若虚
: bayesian analysis对我来说确实是高山仰止 类似于物理里面的统一场论
|
P*****6
发帖数: 273 | 15 恩，以前老考虑sensoring,所以忘了survival analysis其实有两大特点：
一个是 可以处理sensoring
另一个是可以处理时间
不过我觉得survival analysis主要不是用来预测when the event will occur的，特别
是作为semi-paramatric的cox model.应该主要是用来比较不同factor对event发生概率
的影响（比率）。引入的时间项h(t)是unspecific的，因此求解中消掉了好像。不知对
不对。有大牛说说。 另外，需要提醒的是它的exp项是没有intercept的。这个是与
logistic regression重要的不同的之一。
【在 A*******s 的大作中提到】
: 没做过marketing，
: 不过所有survival analysis的应用应该都差不多--
: user attrition是一个event，
: 用一般的classification方法可以用来预测event occurrence within a certain
: width of period
: 用survival就可以用来预测when the event will occur
: logistic regression可以视为Cox model with exact/discrete time treatment of
: tied events的特殊形式
|
A*******s
发帖数: 3942 | 16 After we have beta estimates of Cox model, we can further fit baseline
function h(t). Then we could do numeric integral upon H(t, X) to get S(t, X)
【在 P*****6 的大作中提到】
: 恩，以前老考虑sensoring,所以忘了survival analysis其实有两大特点：
: 一个是 可以处理sensoring
: 另一个是可以处理时间
: 不过我觉得survival analysis主要不是用来预测when the event will occur的，特别
: 是作为semi-paramatric的cox model.应该主要是用来比较不同factor对event发生概率
: 的影响（比率）。引入的时间项h(t)是unspecific的，因此求解中消掉了好像。不知对
: 不对。有大牛说说。 另外，需要提醒的是它的exp项是没有intercept的。这个是与
: logistic regression重要的不同的之一。
|
P*****6
发帖数: 273 | 17 我猜您是想说paramatric survival analysis, 比如假设weibull distribution？
这个说不定对customer attrition 真的很有用。
X)
【在 A*******s 的大作中提到】
: After we have beta estimates of Cox model, we can further fit baseline
: function h(t). Then we could do numeric integral upon H(t, X) to get S(t, X)
|
A*******s
发帖数: 3942 | 18 Cox model是不用fit baseline hazard function，但是你想fit的话也有办法，got it？
【在 P*****6 的大作中提到】
: 我猜您是想说paramatric survival analysis, 比如假设weibull distribution？
: 这个说不定对customer attrition 真的很有用。
:
: X)
|
P*****6
发帖数: 273 | 19 大牛，受教了， 我倒是不怀疑牛人们会有办法。就是不知道啥办法。
Cox model 我就知道个adjusted survival curve.
it？
【在 A*******s 的大作中提到】
: Cox model是不用fit baseline hazard function，但是你想fit的话也有办法，got it？
|
d******4
发帖数: 132 | 20 People assume the hazard function to be an increasing step function which
jumps only at times when an event is observed.
【在 P*****6 的大作中提到】
: 大牛，受教了， 我倒是不怀疑牛人们会有办法。就是不知道啥办法。
: Cox model 我就知道个adjusted survival curve.
:
: it？
|
