全部回帖
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?
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?
不管你研究的啥领域,从你的言论来说,你就是个二把刀,我实在想不出认可科学事物能用眼睛判断作为标准。
不管你研究的啥领域,从你的言论来说,你就是个二把刀,我实在想不出认可科学事物能用眼睛判断作为标准。
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"/>
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?
懂什么什么是后场篮板率吗,不懂自己去百度,不负责扫盲
懂什么什么是后场篮板率吗,不懂自己去百度,不负责扫盲
肉眼就是他们的理论原点,好笑不。
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”?
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”?
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”?
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”?
就算是肉眼观察,是不是也得用他们的肉眼把全部球队所有内线的比赛都看完,才能有了一个基本的判断,要是只看一支球队,怎么去对比呢?又怎么判断出来其他内线球员的水平呢?
就算是肉眼观察,是不是也得用他们的肉眼把全部球队所有内线的比赛都看完,才能有了一个基本的判断,要是只看一支球队,怎么去对比呢?又怎么判断出来其他内线球员的水平呢?
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
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
进攻型中锋封印火箭另外5个新秀
进攻型中锋封印火箭另外5个新秀
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。
封印说,你上数据论证一下啊。
封印说,你上数据论证一下啊。
封印说,你上数据论证一下啊。
这不明显大家都表现得更好了? 单看数据 阅读比申京差? 去看看今天老鹰赢凯子的关键时刻吧 波津都被穆雷军训懵啦
这不明显大家都表现得更好了? 单看数据 阅读比申京差? 去看看今天老鹰赢凯子的关键时刻吧 波津都被穆雷军训懵啦
申京护框数据全联盟第十一。
申京护框数据全联盟第十一。
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?
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
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
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
他哪怕肉眼看几十个也算是
他哪怕肉眼看几十个也算是
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
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!
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!
幕布里和格林,那都是基于大量的数据分析之后才有了二人的选择,到你这里成了肉眼了?
幕布里和格林,那都是基于大量的数据分析之后才有了二人的选择,到你这里成了肉眼了?
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!
你哪怕多看几只球队也好啊,只看了一个申京比赛就断言他是联盟垫底的水平,这就是你的肉眼结论吗?
你看其他球队内线比赛了吗?看过多少。
你哪怕多看几只球队也好啊,只看了一个申京比赛就断言他是联盟垫底的水平,这就是你的肉眼结论吗?
你看其他球队内线比赛了吗?看过多少。
火箭进攻投不进空位三分,防守守不住突破挡拆,申京一个人既要进攻又要防守孤独carry。那申京离开这么烂的火箭去其他强队,申密不是应该都要笑死了吗,干嘛非要和火箭绑死
火箭进攻投不进空位三分,防守守不住突破挡拆,申京一个人既要进攻又要防守孤独carry。那申京离开这么烂的火箭去其他强队,申密不是应该都要笑死了吗,干嘛非要和火箭绑死
上海匡慧网络科技有限公司 沪B2-20211235 沪ICP备2021021198号-6 Copyright ©2021 KUANGHUI All Rights Reserved. 匡慧公司 版权所有