受访人：李东老师采访人：张心雨个人简介李东，清华大学统计学研究中心助理教授。2005年在中科院数学与系统科学研究院获得硕士学位，2010年在香港科技大学获得博士学位。在香港科技大学和美国爱荷华大学做过博士后研究。研究兴趣主要集中在金融计量经济学、非线性时间序列分析、网络与大数据等方向。个人主页：http://www.stat.tsinghua.edu.cn/teambuilder/faculty/李东/访谈内容张心雨：李老师，请简述您的求学经历，您为什么选择了统计？李老师：这个要从大学时候说起。我本科是数学系应用数学专业的，刚开始学数学教育。大三的时候，面临考研究生选择方向的问题。我当时最喜欢的并不是统计，当时学统计的人还很少。我当时最喜欢的是群论和非线性分析，研究生就准备考这方面的。但是后来老师对我建议，选方向要照顾一下未来的就业问题，所以我就改成了当时并算不上热门的统计。当时想报中科院数学与系统科学研究院，于是给吴国富研究员写了一封信，问他收不收学生，得到首肯之后就报考了，最后以总分391分的成绩考入中科院应用数学所读硕士。入学之后，我还有另外一位导师陈敏研究员。在大四的时候，我选修了概率论与数理统计，了解了一些统计推断的内容。那个时候特别喜欢参数统计推断，而对非参数不怎么感兴趣，结果读研究生之后，就开始学非参数的内容。研究生时对时间序列不是很感兴趣，结果研二下学期就开始做时间 ...继续阅读 (15)

数据科学三原则：可预测性，稳定性和可计算性嘉宾：郁彬主办：统计之都、中国人民大学统计学院、中国人民大学统计与大数据研究院场地：中国人民大学逸夫会议中心第一报告厅纪要：杨舒仪 李宇轩简介：郁彬，加州大学伯克利分校统计系及电气工程与计算机科学系校长教授，加州大学伯克利分校统计系前系主任。她同时是北京大学微软统计与信息技术教育部-微软重点实验室的创办者及联席主任。她与基因组学、神经科学、医学领域科学家合作进行跨学科研究，开发了统计和机器学习方法/算法和理论，并与领域知识以及量化批判思维结合以解决这些领域中的数据问题。郁彬教授是美国国家科学院和美国艺术与科学学院两院院士。2006年当选Guggenheim Fellow，2011年受邀在ICIAM（The International Council for Industrial and Applied Mathematics，国际工业与应用数学大会）作特邀演讲，2012年作了伯努利协会的图基纪念演讲（Turkey Memorial Lecture of the Bernoulli Society），2016年作IMS（Institution of Mathematical Statistics，数理统计协会）Rietz演讲。郁彬教授曾于2013-2014年出任IMS主席，也是IMS、ASA（American Statistical Asso ...继续阅读 (19)

【COS编辑者按】受访者：郭绍俊      采访者：冯璟烁、于嘉傲     校对：于嘉傲郭绍俊2003年毕业于山东师范大学，2008年获得中国科学院数学与系统科学研究院理学博士学位。博士毕业后留中国科学院数学与系统科学研究院工作，助理研究员，任期至2016年。工作期间，于2009年-2010年赴美国普林斯顿大学运筹与金融工程系博士后研究，做高维数据分析方面的研究工作，并于2014-2016年在英国伦敦经济学院统计系做博士后研究，做大维时间序列建模方面的研究。 现为中国人民大学统计与大数据研究院副教授。目前主要研究方向有：高维统计学习；非参数及半参数统计建模；大维统计计算；生存分析及函数型数据分析等。冯璟烁：郭老师您大学时修的是数学系？我们看即便现在统计学科这么热，学数学的人也不是很多，所以您当时是出于什么样的考虑选择应用数学呢？郭老师：我修读的是应用数学，因为高中时数学还不错。可是高考分数不是很理想，高考后就报考了山东师范大学数学系。当时对于纯数学兴趣没有那么大，但本身数学功底不错，所以希望大学里多接触一下应用工程相关的专业，就选择了应用数学概率统计方向。当时还是消息比较闭塞，只知道这是数学最接近应用的分支，之后读了研究生才发现，应用数学还有很多分支，比如山东大学的控制与自动化专业。我很多的高中、大学同学现在就从事自动化控制方向的有关专业。当然就我个人来说还是更喜欢学习概率统计。冯 ...继续阅读 (14)

作者简介：张翔，车轮互联数据副总裁，COS9年老水友做数据的人现在越来越强调价值，那么在商业世界里，什么数据价值最高？我们先看几个例子：一张简单的图表，可以决定一次投资的收益，号称最贵图表的，就是下面这张美国房价自1970年以来的走势图，蓝色的线是未剔除通胀，红色的线是剔除通胀，趋势非常明显。这张价值连城的图表，所需要的数据并不高深，相信在次贷之前，有一大批专业研究人员曾经画出并凝视过这张图。但价值的差别在是否选择相信，以及动手的时机。如果说200个点子中，有一个是好点子，那么当时配合CDS的做空操作，就是金融从业者一生追求的最好的交易。当然这都是马后炮的总结，单看2007年以前的趋势，到底预示着经济结构的转变，还是有巨大的泡沫？现实世界还在不断刷新我们的认知。在预测这件事上，不同经济学家经常得出相反的结论，而中国现在的智囊，正直面无历史模型可套用的局面。这些探险家实操过程中的数据，是单位价值最高的，在面对复杂的社会进程时，数据之上，人的认知和判断，更决定着国家的兴衰。国家之下，商业集体的数据价值也很大，如果说“企业家”就是冒险家的话，在认知边缘探索得来的数据，也是异常珍贵的。看似简单的ROI数据判断，就决定着一个公司的成败。我历经旅游和汽车两次互联网浪潮，其中旅游行业失败的经验，在现在汽车领域尤其珍贵，只有精确到财务数据的运营分析，才能真正保证一个公司商业模式的确立。而这种经验教 ...继续阅读 (16)

COS编辑部按：本文是一篇Richard Olshen对Leo Breiman的采访稿（原文发表在Statistical Science）。翻译工作已经得到作者授权。翻译: 张晔、成慧敏、李宇轩。审校：高涛、侯澄钧、丁鹏、魏太云。此外，郑重感谢施涛、丁鹏、郁彬老师为文章的翻译指导和版权沟通提供的帮助。 译者简介：张晔，毕业于华南统计科学研究中心，现严肃科技平台开发工程师，主要负责docker容器调度系统开发。成慧敏，就读于中央财经大学统计与数学学院，硕士研究生二年级，研究兴趣为复杂网络分析与深度学习。李宇轩,就读于中国人民大学统计学院,大二本科生,目测统计有关都可以是学习方向。1928年1月28日，Leo Breiman生于纽约。5年后，他们家搬到了旧金山，然后Leo开始了他的学业。在他读初中的时候，他们家又搬去了洛杉矶。1945年，Leo从Roosevelt高中毕业后考进了加州理工学院，在那里他花了4年时间主修物理。1950年，Leo拿到了哥伦比亚大学的数学硕士学位，1954年，他又拿到了加州大学伯克利分校的数学博士学位。Leo对科学和数学有着广泛的兴趣，包括信息论和博弈论。他曾参与汽车交通、空气质量和有毒物质识别等方向的研究。 他写过一篇著名的关于概率论的毕业论文，他是分类回归树（CART, Classification and Regression Trees）及其配套软件 ...继续阅读 (25)

作者简介：陈丽云，在eBay从事 Experimentation Analytics Research。网络上素来自黑为“落园园主”。在这个互联网数据唾手可得的时代，但凡有数据的地方，就有战争。一场战役，有人登高摇旗呐喊，有人趁夜暗度陈仓。在以浩瀚数据为目标的战场上，大家费尽心思用尽招数，各种降维攻击，只是没有《三体》里面的体外文明那种强行把三维生物体打击到二维空间的那么残忍罢了。实践中，我们利用各种统计模型对数据进行一而再、再而三的降维，最终获得屈指可数的统计量来做进一步判断。园主一时起意，打算记录一下一场针对比率指标的降维攻击，以飨读者。简单介绍一下实战的背景。互联网产业是一个快速更迭的产业，而大量的新产品上线和旧产品改良过程牵扯到一个重要的测试手段：A/B实验。A/B实验其实是最简单的随机对照实验（randomized control experiment），想法便是对不同的访客我们呈现不同的网站版本，然后比较一下版本之间的效果差异就好了。这是一种客观和简洁高效的判定方式，但也是陷阱无数。园主常驻某电商网站的A/B实验咨询服务台，负责回答各种古灵精怪的问题。一日，有人跑过来问， “咦，我们最近想看一下实验对于网站上卖的东西的价格有没有影响，是不是有bug啊我没找到。” 等一下，你们难道不知道不能这么跟程序员讲话的么？你不能对一个程序员说：你的代码有bug。他的第一反应是：1， ...继续阅读 (7)

作者简介：陈丽云，在eBay从事 Experimentation Analytics Research。网络上素来自黑为“落园园主”。在这个互联网数据唾手可得的时代，但凡有数据的地方，就有战争。一场战役，有人登高摇旗呐喊，有人趁夜暗度陈仓。在以浩瀚数据为目标的战场上，大家费尽心思用尽招数，各种降维攻击，只是没有《三体》里面的体外文明那种强行把三维生物体打击到二维空间的那么残忍罢了。实践中，我们利用各种统计模型对数据进行一而再、再而三的降维，最终获得屈指可数的统计量来做进一步判断。园主一时起意，打算记录一下一场针对比率指标的降维攻击，以飨读者。 ...继续阅读 (10)

【COS编辑者按】受访者：尹建鑫 采访者：王小宁 校对：王佳尹建鑫中国人民大学副教授，2009年在北京大学获得博士学位。2009年至2011年在美国宾夕法尼亚大学医学院生物统计系做博士后研究。2011年8月回国到中国人民大学任教。从事高维变量选择、图模型估计、结构学习算法、自适应实验设计、非参数统计等方面的研究。研究成果发表在国际知名统计杂志上（Annals of Applied Statistics, Journal ofMultivariate Analysis，Statistica Sinica）及Journal of Machine Learning Research的W&CP;系列中。曾多次参加国际、国内学术会议，做演讲、邀请报告。并曾作为参赛队代表获因果与预测国际挑战赛“最佳整体贡献奖”。目前主持一项国家自然科学基金青年项目、一项教育部博士点基金项目。2015年获教育部第七届高等学校科学研究优秀成果奖（人文社会科学）统计学三等奖 ...继续阅读 (11)

【COS编辑者按】受访者：尹建鑫      采访者：王小宁     校对：王佳尹建鑫中国人民大学副教授，2009年在北京大学获得博士学位。2009年至2011年在美国宾夕法尼亚大学医学院生物统计系做博士后研究。2011年8月回国到中国人民大学任教。从事高维变量选择、图模型估计、结构学习算法、自适应实验设计、非参数统计等方面的研究。研究成果发表在国际知名统计杂志上（Annals of Applied Statistics, Journal ofMultivariate Analysis，Statistica Sinica）及Journal of Machine Learning Research的W&CP系列中。曾多次参加国际、国内学术会议，做演讲、邀请报告。并曾作为参赛队代表获因果与预测国际挑战赛“最佳整体贡献奖”，因为该奖项没有颁发“最佳论文奖”。目前主持一项国家自然科学基金青年项目、一项教育部博士点基金项目。2015年获教育部第七届高等学校科学研究优秀成果奖（人文社会科学）统计学三等奖小宁：请问您当初为什么从物理专业转到数学专业呢？尹老师：其实本科的时候，我的第一志愿填的是数学。在我高考的前一年，数学分数线没那么高；到了我们考大学那年，也就是九九年的时候，分数突然上来了，结果我跟数学专业差了三分，就因为这三分的差距，我被调剂到了第二志愿的力学专业。其实力学不算是物理，它 ...继续阅读 (27)

轮回眼共轭梯度示意图（图片来源：维基百科）引子之所以写这篇文章，是因为前几天统计之都的微信群里有同学提了一个问题，想要对一个很大的数据集做回归。然后大家纷纷给出了自己的建议，而我觉得共轭梯度算回归的方法跟这个背景比较契合，所以就正好写成一篇小文，与大家分享一下。说到算回归，或许大家都会觉得这个问题太过简单了，如果用$X$表示自变量矩阵，$y$表示因变量向量，那么回归系数的最小二乘解就是$\hat{\beta}=(X'X)^{-1}X'y$。（本文完）。。。哎等等，别真走啊，我们的主角共轭梯度还没出场呢。前面的这个算系数的公式确实非常简洁、优雅、纯天然、不做作，但要往里面深究的话，还是有很多问题值得挖掘的。最简单暴力的方法，就是从左向右，依次计算矩阵乘法，矩阵求逆，又一个矩阵乘法，最后是矩阵和向量的乘法。如果你就是这么算的，那么可以先默默地去面壁两分钟了。更合理的方法，要么是对$X'X$进行 Cholesky 分解，要么是对$X$进行 QR 分解，它们基本上是现在算回归的软件中最常见的方法。关于暴力方法和矩阵分解方法的介绍和对比，可以参见这个B站上的视频。（什么？你问我这么严肃的话题为什么要放B站上？因为大部分时间都是在吐槽啊）好，刚才去面壁的同学现在应该已经回来了，我们继续。前面这些通过矩阵运算求回归系数的方法，我们可以统称为直接法。叫这个名字，是因为它们都可以在确定数目的步骤内得 ...继续阅读 (13)

轮回眼共轭梯度示意图（图片来源：维基百科）引子之所以写这篇文章，是因为前几天统计之都的微信群里有同学提了一个问题，想要对一个很大的数据集做回归。然后大家纷纷给出了自己的建议，而我觉得共轭梯度算回归的方法跟这个背景比较契合，所以就正好写成一篇小文，与大家分享一下。说到算回归，或许大家都会觉得这个问题太过简单了，如果用 $X$ 表示自变量矩阵，$y$ 表示因变量向量，那么回归系数的最小二乘解就是 $\hat{\beta}=(X’X)^{-1}X’y$。（本文完）。。。哎等等，别真走啊，我们的主角共轭梯度还没出场呢。前面的这个算系数的公式确实非常简洁、优雅、纯天然、不做作，但要往里面深究的话，还是有很多问题值得挖掘的。最简单暴力的方法，就是从左向右，依次计算矩阵乘法，矩阵求逆，又一个矩阵乘法，最后是矩阵和向量的乘法。如果你就是这么算的，那么可以先默默地去面壁两分钟了。更合理的方法，要么是对 $X’X$ 进行 Cholesky 分解，要么是对 $X$ 进行 QR 分解，它们基本上是现在算回归的软件中最常见的方法。关于暴力方法和矩阵分解方法的介绍和对比，可以参见这个B站上的视频。（什么？你问我这么严肃的话题为什么要放B站上？因为大部分时间都是在吐槽啊）好，刚才去面壁的同学现在应该已经回来了，我们继续。前面这些通过矩阵运算求回归系数的方法，我们可以统称为直接 ...继续阅读 (12)

李丰，博士，中央财经大学统计与数学学院，副院长，硕士研究生导师, 主要研究方向为大数据与复杂模型、贝叶斯推断与统计计算、计量经济与预测方法以及多元模型。现任北京大数据协会理事,中国统计教育学会高等教育分会副秘书长,曾任2014 年金融工程与风险管理国际研讨会执行秘书。李丰老师是多个国家项目的项目负责人及主要参加人，曾获得The 2014 Cramér Prize等重要奖项。著有《大数据分布式计算与案例》等书籍。 ...继续阅读 (13)

【COS编辑者按】受访者：李丰      采访者：王小宁 张心雨审稿人：成慧敏李丰,博士, 中央财经大学统计与数学学院，副院长，硕士研究生导师, 主要研究方向为大数据与复杂模型、贝叶斯推断与统计计算、计量经济与预测方法以及多元模型。现任北京大数据协会理事,中国统计教育学会高等教育分会副秘书长,曾任2014 年金融工程与风险管理国际研讨会执行秘书。李丰老师是多个国家项目的项目负责人及主要参加人，曾获得The 2014 Cramér Prize等重要奖项。著有《大数据分布式计算与案例》等书籍。小宁：请李老师谈一下自己的求学经历，以及当时为什么选统计学这个专业？李老师：这个故事很长，我2003年高考，那年据说是数学最难，当时考坏了好多人。那年考人大好像统计学专业录取分数最低。(当然现在不一样了。)我刚入学那会儿，吴喜之老师给大家做新生入学指导时说：“有的家长过来找我，说我们家孩子为什么不去学会计，为什么来学统计？” 那会儿大家对统计学还不是很认同，而且当时还只是人大的统计系，后来才变成统计学院。我2007年本科毕业后就去了瑞典，在斯德哥尔摩大学拿到了博士学位，在那里呆了六年，2013年秋天回到中央财经大学统计与数学学院当老师。攻读博士时主要研究方向是贝叶斯统计，在这期间我还搭建了自己的博客feng.li。小宁：您也在这个五校联合的大数据项目中教了3年计算机相关的课程，您最大的体会是什么？ ...继续阅读 (14)

本文是一篇Joseph B. Rickert（简称JBR）对J.J. Allaire（RStudio的创始人和首席执行官）的采访稿，原文在此。统计之都与作者沟通后得到授权将其翻译为中文，希望可以让广大读者能够更多了解在R的世界中这个叫RStudio的地方。在这次采访中讨论了RStudio的历史、使命和J.J.的未来愿景。 短暂的交谈中讨论了各种各样的主题，包括RStudio的业务、R语言的发展、R联盟对R社群的重要性以及J.J.对R新手们的建议。 ...继续阅读 (12)

本文是一篇Joseph B Rickert（简称JBR）对J.J. Allaire（RStudio的创始人和首席执行官）的采访稿，原文在此。统计之都与作者沟通后得到授权将其翻译为中文，希望可以让广大读者能够更多了解在R的世界中这个叫RStudio的地方。在这次采访中讨论了RStudio的历史、使命和J.J.的未来愿景。 短暂的交谈中讨论了各种各样的主题，包括RStudio的业务、R语言的发展、R联盟对R社群的重要性以及J.J.对R新手们的建议。 J.J. AllaireJBR：问您最早是如何接触到R的？R最开始引起您的关注时，您在做什么？为什么是R?J.J.：我本科的时候主修经济学和政治科学，这两门学科让我对量化研究产生了兴趣。当我还是学生的时候，我用过SAS、SPSS和EXCEL。这是我首次接触软件和计算，它们深深吸引了我，而后来我的职业生涯最终更多围绕软件开发而不是量化分析。大概8年前，我在工作的同时在寻找其它值得从事的事。我很清楚自己心里想要的是希望自己开发的软件是开源的，因为我想开发出一种能长期对所有人都是免费且容易获得的软件。也就是在那个时候我接触到了R，当了解了这个稳健并被广泛应用的开源统计计算环境时，我觉得它棒棒哒。我想它将是我倾其精力的一个伟大领域。我在学校的时候，最早对量化分析很感兴趣，同时，我掌握了重要的编程能力。我正好可以把这些能力应用到R上，做出有 ...继续阅读 (15)

R语言作为统计和数据挖掘界广泛应用的统计分析、绘图的语言和操作环境，是一个基于GNU系统自由、免费、源代码开放的软件。每年R的官方机构都会举办useR!会议，各个国家及地区也定期有R用户的交流活动。在中国，自2008年起，北京、上海、杭州、广州等地已经成功举办了八届R语言会议，前后报名参与人数超过万人。会议内容覆盖数据科学在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域，在高校和业界均形成了深远影响，促进了R语言乃至数据科学在中国的推广和发展。如今R语言会议已成为R语言社区在国内影响力最大的交流盛会，聚学术专家、业界精英、技术大咖于一堂，让更多的数据人参与其中，促进社区内部的交流和进步。 ...继续阅读 (11)

R语言作为统计和数据挖掘界广泛应用的统计分析、绘图的语言和操作环境，是一个基于GNU系统自由、免费、源代码开放的软件。每年R的官方机构都会举办useR!会议，各个国家及地区也定期有R用户的交流活动。在中国，自2008年起，北京、上海、杭州、广州等地已经成功举办了八届R语言会议，前后报名参与人数超过万人。会议内容覆盖数据科学在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域，在高校和业界均形成了深远影响，促进了R语言乃至数据科学在中国的推广和发展。如今R语言会议已成为R语言社区在国内影响力最大的交流盛会，聚学术专家、业界精英、技术大咖于一堂，让更多的数据人参与其中，促进社区内部的交流和进步。随着R语言在多个领域的广泛应用，越多华中地区数据人开始关注R与数据科学，来自各行各业的R用户需要这样一个平台交流技术，碰撞思想，武汉R语言会议正是适应这种需求而举办。2015年R语言会议首次走进华中地区，即获得业界关注。2016年，中国R语言会议将以开创性的双会场形式再次来到武汉，由中南财经政法大学统计与数学学院、湖北经济学院信息管理与统计学院、统计之都联合主办，诚邀学界和业界精英同台演讲交流，愿与更多的数据爱好者探讨数据科学，共同进步提高！第九届中国R语言会议（武汉），欢迎各位的到来！一、会议时间及地点2016年11月19日（周六）中南财经政法大学（南湖校区）文泉楼报告厅20 ...继续阅读 (8)

主题：金融风险管理及其实践嘉宾：李翛然主办：统计之都场地：中国人民大学组织：张心雨主持：杨舒仪纪要：李宇轩简介： 第39期沙龙（北京）于2016年11月5日在中国人民大学顺利举办。本次沙龙由人大统院本科生杨舒仪主持，嘉宾李翛然先生于利兹大学金融数学系取得硕士学位。 先后从事过寿险精算，投资银行工作。于2014年创办北京奇点创世信息技术有限公司，主要业务领域为二级市场金融风险管理系统。现已有10余家金融机构、私募基金采用该系统为客户和自营交易提供风险管理及投资顾问服务。其主要工作经历覆盖了一级市场的发行，尽职调查，搭建企业信用分析系统，二级市场的量化分析，风险管理SAAS系统。本次讲座是基于第九届R语言大会上李翛然关于量化风险管理的报告的更详细的介绍,将会从风险管理的概念入手，着重点在于在二级市场（股票，基金市场）领域一步步的向大家揭示风险管理在实际业务中的应用，尤其是统计学及大数据技术为金融风险管理市场带来的变革以及具体的应用。下面是对沙龙主要内容的回顾：李翛然先生从金融风险管理简介、风险管理在中国金融市场的实践、投资策略及风险管理实战、大数据与风险管理以及他本人的成果及思考五方面对金融风险管理进行了探讨。一.金融风险管理简介李翛然先生从什么是金融风险管理出发,辨明了关于金融风险管理的一些误区,风险管理不代表没有损失。它是需要遵循最大损失可控原则。接下来,李翛然先生从两方面介绍了金 ...继续阅读 (17)

一、会议概况R语言是一种在统计和数据挖掘界广泛应用的统计分析、绘图的语言和操作环境，其官方机构每年都会举办中国R语言会议，各个国家及地区也定期有R用户的交流活动。中国R语言会议自2008年在中国人民大学举办第一届起，至今为止已经在全国七个城市成功举办，前后报名参与人数已过万人。会议内容覆盖数据科学在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域，在高校和业界均形成了深远影响。R语言在各行各业的广泛应用，受到了西南地区数据人的高度重视，因此西南地区数据科学的各类用户需要一个可以交流技术，碰撞思维的平台。为了适应这种需求，中国R语言会议首次走入贵州。本届中国R语言会议（贵阳）暨西南地区数据科学会议将由贵州大学数学与统计学院、贵州省博弈决策与控制系统重点实验室和统计之都联合主办，诚邀学界和业界精英同台演讲交流，共同进步提高！第九届中国R语言会议（贵阳）暨西南地区数据科学会议欢迎您！ ...继续阅读 (13)

第九届中国R语言会议（贵阳）暨西南地区数据科学会议一、会议概况R语言是一种在统计和数据挖掘界广泛应用的统计分析、绘图的语言和操作环境，其官方机构每年都会举办中国R语言会议，各个国家及地区也定期有R用户的交流活动。中国R语言会议自2008年在中国人民大学举办第一届起，至今为止已经在全国七个城市成功举办，前后报名参与人数已过万人。会议内容覆盖数据科学在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域，在高校和业界均形成了深远影响。R语言在各行各业的广泛应用，受到了西南地区数据人的高度重视，因此西南地区数据科学的各类用户需要一个可以交流技术，碰撞思维的平台。为了适应这种需求，中国R语言会议首次走入贵州。本届中国R语言会议（贵阳）暨西南地区数据科学会议将由贵州大学数学与统计学院、贵州省博弈决策与控制系统重点实验室和统计之都联合主办，诚邀学界和业界精英同台演讲交流，共同进步提高！第九届中国R语言会议（贵阳）暨西南地区数据科学会议欢迎您！二、会议时间2016年11月26日（周六）全天三、会议地点贵州大学北校区行政楼1号报告厅四、会议主题主题包括但不限于数据可视化、并行计算、数值计算、计算模型、大数据技术、互联网金融、量化金融、保险精算、图像处理、数据挖掘、生物信息等。五、会议赞助本次大会欢迎任何企业、高校、个人等多种形式赞助，作为回馈，会议手册上会印制赞助商介绍，同时为赞助 ...继续阅读 (21)

一、会议概况R语言作为统计和数据挖掘界广泛应用的统计分析、绘图的语言和操作环境，是一个基于GNU系统自由、免费、源代码开放的软件。每年R的官方机构都会举办useR!会议，各个国家及地区也定期有R用户的交流活动。在中国，自2008年起，北京、上海、杭州、广州等地已经成功举办了八届R语言会议，前后报名参与人数超过万人。会议内容覆盖数据科学在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域，在高校和业界均形成了深远影响，促进了R语言乃至数据科学在中国的推广和发展。如今R语言会议已成为R语言社区在国内影响力最大的交流盛会，聚学术专家、业界精英、技术大咖于一堂，让更多的数据人参与其中，促进社区内部的交流和进步。R语言在电商、互联网、金融、医疗、生物医学等领域广泛的应用前景吸引着越来越多华南地区数据人开始关注R与数据科学，来自各行各业的R用户需要这样一个平台交流技术，碰撞思想，广州R语言会议正是适应这种需求而举办。2014年11月，在华南统计科学研究中心、中山大学数学学院以及统计之都的多方努力下， R语言会议首次在华南地区主办，随后，2015年5月，华南地区第二次R语言会议也在中山大学成功召开，报名情况火爆，约有1400多人报名参会。 2016年中国R语言会议（广州）将由华南统计科学研究中心、中山大学数学学院与统计之都联合主办，将在往届会议的基础上进一步扩大R语言和数据科学 ...继续阅读 (11)

一、会议概况 R语言作为统计和数据挖掘界广泛应用的统计分析、绘图的语言和操作环境，是一个基于GNU系统自由、免费、源代码开放的软件。每年R的官方机构都会举办useR!会议，各个国家及地区也定期有R用户的交流活动。在中国，自2008年起，北京、上海、杭州、广州等地已经成功举办了八届R语言会议，前后报名参与人数超过万人。会议内容覆盖数据科学在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域，在高校和业界均形成了深远影响，促进了R语言乃至数据科学在中国的推广和发展。如今R语言会议已成为R语言社区在国内影响力最大的交流盛会，聚学术专家、业界精英、技术大咖于一堂，让更多的数据人参与其中，促进社区内部的交流和进步。 R语言在电商、互联网、金融、医疗、生物医学等领域广泛的应用前景吸引着越来越多华南地区数据人开始关注R与数据科学，来自各行各业的R用户需要这样一个平台交流技术，碰撞思想，广州R语言会议正是适应这种需求而举办。2014年11月，在华南统计科学研究中心、中山大学数学学院以及统计之都的多方努力下， R语言会议首次在华南地区主办，随后，2015年5月，华南地区第二次R语言会议也在中山大学成功召开，报名情况火爆，约有1400多人报名参会。 2016年中国R语言会议（广州）将由华南统计科学研究中心、中山大学数学学院与统计之都联合主办，将在往届会议的基础上进 ...继续阅读 (8)

作者简介：侯澄钧，毕业于俄亥俄州立大学运筹学博士项目， 目前在美国从事个人保险产品(Personal Line)相关的数据分析，统计建模，产品算法优化方面的工作。目录：模型简介线性回归Logistic回归Elstic Net模型家族简介学习资料1.模型简介Kaggle网站 （https://www.kaggle.com/）成立于2010年，是当下最流行的进行数据发掘和预测模型竞赛的在线平台。 与Kaggle合作的公司可以在网站上提出一个问题或者目标，同时提供相关数据，来自世界各地的计算机科学家、统计学家和建模爱好者，将受领任务，通过比较模型的某些性能参数，角逐出优胜者。 通过大量的比赛，一系列优秀的数据挖掘模型脱颖而出，受到广大建模者的认同，被普遍应用在各个领域。 在保险行业中用于拟合广义线性模型的LASSO回归就是其中之一。LASSO回归的特点是在拟合广义线性模型的同时进行变量筛选(Variable Selection)和复杂度调整(Regularization)。 因此，不论目标因变量(dependent/response varaible)是连续的(continuous)，还是二元或者多元离散的(discrete)， 都可以用LASSO回归建模然后预测。 这里的变量筛选是指不把所有的变量都放入模型中进行拟合，而是有选择的把变量放入模型从而得到更好的性能参数。 复杂度调整是指通 ...继续阅读 (20)

君子生非异也，善假于物也。“物”能够延展英雄的能力。它是吕布的赤兔马，杨过的玄铁重剑，CS中的沙漠之鹰，曹操传中的凤凰羽衣。“物”也可用以治愈英雄，例如张无忌的黑玉断续膏，李逍遥的天香续命露，还有深夜里TVB的一碗面。 ...继续阅读 (13)

君子生非异也，善假于物也。“物”能够延展英雄的能力。它是吕布的赤兔马，杨过的玄铁重剑，CS中的沙漠之鹰，曹操传中的凤凰羽衣。“物”也可用以治愈英雄，例如张无忌的黑玉断续膏，李逍遥的天香续命露，还有深夜里TVB的一碗面。对于不同的位面，有着不同的宝物定义。对古时文人来讲，笔墨纸砚，是当时具有生产力输出的四大工具。对程序员来讲，当代的“文房四宝”不外乎是：笔记本，大屏幕，机械键盘，人体工学椅，Google，Github这几种。特别是机械键盘和人体工学椅，它们是极为重要的“人机接口”。前者可以用来延展英雄的输出能力，后者可以用来治愈英雄的腰椎。在数据领域也有类似的情况。一个数据项目，最重要的是定义问题，其次是拿到好的数据，再次是找到合适的方法，最不重要的可能就是选择一个工具了。但是看起来最形而下的工具，却是最具体而真实的“人数接口”。用一种顺手的工具来玩数据，我们会觉得比较舒服，输出效率更高。市面上的分析工具大致分为两大类，菜单式的工具和命令行式的工具。前者适合于初学入门，类似于跟团旅游，提供了固定的路线。分析套路比较固定化，点几下鼠标就可以搞定也很省事。后者适合于老手玩家，类似于自由行，需要自己规划数据工作流，适用于自定义的灵活分析。大多数用户害怕命令行，然而使用命令行才能掌握真正的力量。命令行是Jedi的原力。在命令行工具类别中，最耀眼的是R和Python这对双星。他们有非常多的相似 ...继续阅读 (19)

作者简介赵鹏，世界知名IT企业性能分析师。在包括多核、分布式以及GPU通用计算方面具有丰富的研究和实践经验，善于帮助客户解决性能问题以及提供并行化方案。R语言爱好者，业余时间创建了ParallelR网站，以此来分享R和并行计算相关内容。文章摘要本文首先介绍了并行计算的基本概念，然后简要阐述了R和并行计算的关系。之后作者从R用户的使用角度讨论了隐式和显示两种并行计算模式，并给出了相应的案例。隐式并行计算模式不仅提供了简单清晰的使用方法，而且很好的隐藏了并行计算的实现细节。因此用户可以专注于问题本身。显示并行计算模式则更加灵活多样，用户可以按照自己的实际问题来选择数据分解，内存管理和计算任务分配的方式。最后，作者探讨了现阶段R并行化的挑战以及未来的发展。 ...继续阅读 (13)

作者简介赵鹏，世界知名IT企业性能分析师。在包括多核、分布式以及GPU通用计算方面具有丰富的研究和实践经验，善于帮助客户解决性能问题以及提供并行化方案。R语言爱好者，业余时间创建了ParallelR网站，www.parallelr.com，以此来分享R和并行计算相关内容。文章摘要本文首先介绍了并行计算的基本概念，然后简要阐述了R和并行计算的关系。之后作者从R用户的使用角度讨论了隐式和显示两种并行计算模式，并给出了相应的案例。隐式并行计算模式不仅提供了简单清晰的使用方法，而且很好的隐藏了并行计算的实现细节。因此用户可以专注于问题本身。显示并行计算模式则更加灵活多样，用户可以按照自己的实际问题来选择数据分解，内存管理和计算任务分配的方式。最后，作者探讨了现阶段R并行化的挑战以及未来的发展。R与并行计算统计之都的小伙伴们对R，SAS，SPSS， MATLAB之类的统计软件的使用定是轻车熟路了，但是对并行计算（又名高性能计算，分布式计算）等概念可能多少会感到有点陌生。应太云兄之邀，在此给大家介绍一些关于并行计算的基本概念以及在R中的使用。什么是并行计算？并行计算，准确地说应该包括高性能计算机和并行软件两个方面。在很长一段时间里，中国的高性能计算机处于世界领先水平。在最近一期的世界TOP500超级计算机排名中，中国的神威太湖之光列居榜首。 但是高性能计算机的应用领域却比较有限，主要集中在军事 ...继续阅读 (9)

第九届中国R语言会议（厦门）暨厦门大学数据科学与量化金融研讨会一、会议概况随着现代科学技术尤其是计算机、网络信息、生物工程等技术的快速发展，海量数据在自然科学和社会科学各个领域涌现出来，并以前所未有的速度产生和积累。这些海量数据涵盖范围广，变化速度快，存在形式复杂多样，同时也蕴含了丰富的价值。如何分析这些数据并提取价值成为当今社会和学术界的热门话题。数据科学有机地结合了统计学、计量经济学、计算机科学等学科优势，成为了认识客观世界数量规律的有力工具，被广泛地应用到经济学、金融学、医学、生物遗传、互联网科技、工程技术、环境、社会学等诸多领域。而R语言由于其在数据处理、统计分析、绘图语言和操作环境方面的便捷性，在这个过程中得到了学术界和业界的广泛认可。中国R语言会议正是为响应这个时代发展潮流，由统计之都发起，国内高校联合主办，以推广数据科学在中国的发展为目的的会议。自2008年在中国人民大学举办第一届起，中国R语言会议已先后在全国七个城市举办，前后报名参与人数已过万人。会议内容覆盖数据科学在各行各业的应用，包括天文、地理、医疗、生物、金融、能源、互联网等领域，在高校和业界均形成了深远影响。第九届中国R语言会议（厦门）暨厦门大学数据科学与量化金融研讨会由厦门大学经济学院、王亚南经济研究院与统计之都联合主办，厦门大学经济学院统计系、计量经济学教育部重点实验室（厦门大学）、厦门大学数据科学与决 ...继续阅读 (8)

本文翻译自John Myles White的博客Why I’m Not a Fan of R-Squared。翻译工作已经获得作者授权同意。本文大意人们通常喜欢用$R^2$作为评判模型拟合好坏的标准。与MSE和MAD不同，$R^2$不只是模型误差的函数，它的定义中还隐含了两个模型的比较：一个是当前被分析的模型，一个是所谓的常数模型，即只利用因变量均值进行预测的模型。基于此，$R^2$回答的是这样一个问题：“我的模型是否比一个常数模型更好？”，然而我们通常想要回答的是另一个完全不同的问题：“我的模型是否比真实的模型更差？”通过一些人为构造的例子我们可以很容易发现，对这两个问题的回答是不可互换的。我们可以构造一个这样的例子，其中我们的模型并不比常数模型好多少，但同时它也并不比真实的模型差多少。同样，我们也可以构造出另一个例子，使得我们的模型远比常数模型要好，但也远比真实模型要差。与所有的模型比较方法一样，$R^2$不单是被比较模型的函数，它也是观测数据的函数。几乎对于所有的模型，都存在一个数据集，使得常数模型与真实模型之间是无法区分开的。具体来说，当使用一个模型区分效能很低的数据集时，$R^2$可以任意地向零趋近——即使我们对真实模型计算$R^2$也是如此。因此，我们必须始终记住，$R^2$并不能告诉我们模型是否是对真实模型的一个良好近似：$R^2$只告诉我们，我们的模型在当前的数据下 ...继续阅读 (10)

本文翻译自John Myles White的博客Why I’m Not a Fan of R-Squared。翻译工作已经获得作者授权同意。本文大意人们通常喜欢用$R^2$作为评判模型拟合好坏的标准。与MSE和MAD不同，$R^2$ 不只是模型误差的函数，它的定义中还隐含了两个模型的比较：一个是当前被分析的模型，一个是所谓的常数模型，即只利用因变量均值进行预测的模型。基于此，$R^2$ 回答的是这样一个问题：“我的模型是否比一个常数模型更好？”，然而我们通常想要回答的是另一个完全不同的问题：“我的模型是否比真实的模型更差？”通过一些人为构造的例子我们可以很容易发现，对这两个问题的回答是不可互换的。我们可以构造一个这样的例子，其中我们的模型并不比常数模型好多少，但同时它也并不比真实的模型差多少。同样，我们也可以构造出另一个例子，使得我们的模型远比常数模型要好，但也远比真实模型要差。与所有的模型比较方法一样，$R^2$ 不单是被比较模型的函数，它也是观测数据的函数。几乎对于所有的模型，都存在一个数据集，使得常数模型与真实模型之间是无法区分开的。具体来说，当使用一个模型区分效能很低的数据集时，$R^2$ 可以任意地向零趋近——即使我们对真实模型计算 $R^2$ 也是如此。因此，我们必须始终记住，$R^2$ 并不能告诉我们模型是否是对真实模型的一个良好近似：$R^2$ 只告诉我 ...继续阅读 (8)