有没有大牛总结一下forecast的方法啊？ - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>JobHunting - 待字闺中

有没有大牛总结一下forecast的方法啊？

有没有大牛总结一下forecast的方法啊？# JobHunting - 待字闺中

g*k2014-07-10 07:07

1 楼

我在准备下周面试，主要是做forecasting的，之前学过一些方法，不过不系统。
网上搜了些，不过也不是特别明白。主要idea就是利用history data做分析，对吧？有
没有别的方法呢？谢啦

k*r2014-07-10 07:07

2 楼

这不是废话么，
不用history data难道看星象？

【在 g********k 的大作中提到】

: 我在准备下周面试，主要是做forecasting的，之前学过一些方法，不过不系统。
: 网上搜了些，不过也不是特别明白。主要idea就是利用history data做分析，对吧？有
: 没有别的方法呢？谢啦

g*k2014-07-10 07:07

3 楼

据说所知，有些是要靠expert experience的。
大部分从history data来，不过怎么系统的来做呢？ time series，regression，我只
是知道一些。

【在 k****r 的大作中提到】

: 这不是废话么，
: 不用history data难道看星象？

c*r2014-07-10 07:07

4 楼

你说什么forecasting啊？Prediction?

g*k2014-07-10 07:07

5 楼

不一样吗，我感觉forecast和prediction是一个东东。。。

【在 c*******r 的大作中提到】

: 你说什么forecasting啊？Prediction?

c*r2014-07-10 07:07

6 楼

如果是prediction,那么我个人理解它只是数据挖掘的一个分支。有很多已存在的挖掘
算法可以用来做prediction. 数据挖掘和机器学习以及统计等多个学科关系紧密。
看数据类型以及具体问题的context，通常有supervised learning(SL), unsupervised
learning (USL). SL 是基于有些已经分好类的数据建立一个模型，然后对未知数据进
行分类，也就是prediction，有很多算法了，比如naive bayes, logistic
regression(名字是regression，但是是supervised分类）Bayesian networks,
random forests （stochastic gradient descent random forest), knn, decision
tree, ....(太多了）;USL的训练数据没有提前分好类，需要通过一些模型来把数据分
到不同的group中。很多算法比如k-means clustering之类的。
还有很多高深算法比如什么Conditional Random Fields, HMM之类的。什么deep
learning之类的。
我也只知道皮毛。反正就是一条：从历史数据里学习一个合适的模型，这个模型可能
有一些参数，然后对未知数据进行预测。有些问题可能需要domain knowledge才能给
初始数据分类。
如果不是去面试data scientist或者ML specialist,我想一般不太会问到这些吧

【在 g********k 的大作中提到】

: 不一样吗，我感觉forecast和prediction是一个东东。。。

h*s2014-07-10 07:07

7 楼

k-means clustering 不是用来做分类的吗？能做PREDICTION？数学原理不象啊。可能
我理解不对。你这列的好多是CLASSIFICATION 啊。CS 这块做分类是很强，做预测还是
统计的好。
我知道的几个公司就是用TIME SERIES 和 REGRESSION.
unsupervised

g*k2014-07-10 07:07

8 楼

对，我的问题也是想请教forecast的系统方法，分类（classification）用的不多。
我好好复习下time series和regression。

【在 h******s 的大作中提到】

: k-means clustering 不是用来做分类的吗？能做PREDICTION？数学原理不象啊。可能
: 我理解不对。你这列的好多是CLASSIFICATION 啊。CS 这块做分类是很强，做预测还是
: 统计的好。
: 我知道的几个公司就是用TIME SERIES 和 REGRESSION.
: unsupervised