脑洞开了一下~如果遇到做调查~大家都会走开~怕耽误时间又麻烦~但是~如果一份问卷~将每个问题只问一个人~就像问时间问路一样~可能会有更多人回答.按照这种思路设计的问卷有什么要注意的吗?这种调查可行吗?

对中心化和标准化的目的和结果不是很了解，请问如果拿到一组数据，需要对所有变量做中心话和标准化的处理吗？如果不是，什么时候需要，什么时候不需要，为什么？

将所有的自变量分成多个自变量集，分别进行主成分分析，分别得到每个自变量集相应的pc，然后怎么利用每个变量集的pc做logistic回归？

感谢各位的关注和回复，怪我说的不清楚。我是在看到KBANN算法后才想到的因为这个基于知识的神经网络可以以先验知识作为第一层，通过数据集修正来学习出模型，并且可以通过修正先验知识的权重来修正知识的不足，那么这样是不是可以修正中医中一些不能或没有被现代实验证实的理论呢？还是我对KBANN的理解有偏差，烦劳诸位解答了————————————————–以下为原问题描述—————&# […]

就如同给你一个人分析后，得到结果以后，这个结果可否认为是值得相信的，那这样的话，会产生怎样的后果！

请问各位大牛，用scikit-learn构建逻辑回归时（Logistic Regression），怎么查看模型系数的显著性？考虑到如果系数不显著，即使解释度（score）很高，precision和recall表现良好，也是有潜在问题的！

统计学上公式计算都明白但是想知道生活中是否有实际的例子例子可以说明比如 两种产品平均收益率都是8%，50-50投资，两者当相关系数是负一时，收益率仍然保持8%

在博迪的《投资学》一书中有详细的介绍比如市场指数的期望收益率、自己建立的投资组合P的收益率等等，在实际投资中，一些投资机构的实际做法是如何的？例如，我选择了ABCD四个股票，有其历年价格的时间序列数据、市场指数数据以及国债利率的数据，现在想要建立一个投资组合P包含这四个股票，将自己的资金投资到这个组合P、市场指数以及国债中，按博迪《投资学》的教科书的步骤如何一步步确定这个投资的比例，比如如何确定贝塔、市场指数的风险、市场指数的期望收益以及投资组合P的期望收益率等等？在教科书中，这些期望收益率以及风险都是已知的，在实际投资活动中，要如何用这些原始的数据来进行投资组合的建立的？

在学习岭回归，Lasso等相关文章时，总是上来就对所得数据进行中心化和规范化，即将Y向量减去其平均值，将X矩阵的列向量分别减去平均值并使其方差归一。我想知道这样进行数据处理的具体原因和它之所以合理的理论依据。此外，一个很具体的问题是，当用中心化规范化的数据得到回归系数beta后，对于一个新的x = （x1,x2,…,xp)数据，要对它进行怎样的处理才能和beta向量进行内积，得到y值呢？

赞粉比为总赞同数除以总粉丝数，可以理解为每收获一个粉丝需要几个赞同。赞谢比为总赞同除以总感谢，可以理解为每几个人点了赞会有一个人点感谢。我自己的赞粉比为3.4，赞谢比为5.0随机点进了一些用户的主页，发现每个人的这两项数据非常不同。有的人的粉丝比赞同还多，而有的人每10个赞才有一个粉。有的人每两个赞就有一个感谢，而有的人赞同很多，却几乎收不到什么感谢。那么，如何通过观察这两项数据，来分析用户的特点？