你在重复一下问题吧，他影响别人发挥，我骂他怎么了

脱离数据本身性质去谈什么大于50就可以避免偶然性这种说法真的特别不科学。比方说，很多气象数据，经济数据，即使是大数据下也有很强的偶然性。你的研究领域涉及深度学习吗？

问你话呢，回话啊

那后场板都倒数了，篮板怎么会有9个呢？你怕是忘了申京前场板联盟第9卡位联盟第五吧？真的是申京不会抢后场板？

[图片] /quality/70/ignore-error/1?x-oss-process=image/resize,w_800/format,webp"/>

肉眼就是他们的理论原点，好笑不。

我们临床研究整个涉及数据收集，处理，分析过程都是有标准化的，需要用专业技术过硬的专门人才按照提前设计好的一套标准流程来进行才能很好的把控数据质量进而保证结论的可靠性。球迷水平参差不齐（专业资质很难认证），立场也不尽相同，论证过程也一般不提供，单方面输出观点居多，这怎么让人相信他们的“肉眼观察”？

一个进攻型中锋天天要求护框，咋没看到有人要求大本场均20分？各有所长罢了

进攻型中锋封印火箭另外5个新秀

封印说，你上数据论证一下啊。

脱离数据本身性质去谈什么大于50就可以避免偶然性这种说法真的特别不科学。比方说，很多气象数据，经济数据，即使是大数据下也有很强的偶然性。你的研究领域涉及深度学习吗？

对，样本量够不够大的确是跟研究目的关系很大，但我根据你之前的发言看出来你只了解你的大数据领域的情况就断言NBA的数据量不够和偶然性很大，我只是给你提供另外一个领域的视角。实验设计良好，数据质量好的情况下几十个样本量是可以下结论的。求同存异，求同存异

[图片]

对，样本量够不够大的确是跟研究目的关系很大，但我根据你之前的发言看出来你只了解你的大数据领域的情况就断言NBA的数据量不够和偶然性很大，我只是给你提供另外一个领域的视角。实验设计良好，数据质量好的情况下几十个样本量是可以下结论的。求同存异，求同存异

[图片]

都是搬砖人，理解理解。我知道在bioinformatics或者biomedical领域，因为隐私保密，human subject数量少，存在那种样本小但是数据质量非常高的情况，那确实属于你说的那种less is more的情况。但对于篮球数据，我个人的观感是数据只能反映一部分真相。比如降准率，只从数字上无法复原完整的防守回合，比方说，火箭当时的防守策略，有没有包夹，有没有收缩，这不是数据出错了，而是数据不完整，缺少相关的空间数据。所以现在多模态很火，因为从多个modality的数据上可以尽可能的去还原真实情况。至于肉眼观测，现在缺乏的不同角度/维度的数据，暂时只能依靠肉眼/经验去弥补，其实和数据起到了互补的作用，一个例子就是21年选秀，传统球探部门喜欢格林，数据分析部门喜欢莫不里。两人现在都发展的不错。但格林上限更高。这又牵扯到另一个问题，就是低级别联赛数据，迁移学习到高级别联赛的问题。欢迎随时交流！

都是搬砖人，理解理解。我知道在bioinformatics或者biomedical领域，因为隐私保密，human subject数量少，存在那种样本小但是数据质量非常高的情况，那确实属于你说的那种less is more的情况。但对于篮球数据，我个人的观感是数据只能反映一部分真相。比如降准率，只从数字上无法复原完整的防守回合，比方说，火箭当时的防守策略，有没有包夹，有没有收缩，这不是数据出错了，而是数据不完整，缺少相关的空间数据。所以现在多模态很火，因为从多个modality的数据上可以尽可能的去还原真实情况。至于肉眼观测，现在缺乏的不同角度/维度的数据，暂时只能依靠肉眼/经验去弥补，其实和数据起到了互补的作用，一个例子就是21年选秀，传统球探部门喜欢格林，数据分析部门喜欢莫不里。两人现在都发展的不错。但格林上限更高。这又牵扯到另一个问题，就是低级别联赛数据，迁移学习到高级别联赛的问题。欢迎随时交流！