Arrayfunction : 您知道他们正在使用哪种类型的机器学习吗?这种任务并非单个人工神经网络模型可以处理所有内容。它可能仅仅局限于对潜在候选者进行猜测。即使在这种情况下,也可能只是在改进当前药物方面,而不是开发新药。随机森林模型会更有用一些,因为您至少可以比较它在树中是如何连接所有变量的。但它仍然会受到当今机器学习模型的固有限制;它们无法创造真正新颖的东西,因为它们缺乏想象力,只能依赖训练数据中的内容。在某个特定的点上,最好转向结构方程模型或类似的模型,这样您可以利用先验知识来抵消人工神经网络可能引起的不可避免的相关性。人类生物学是我们可以判断(对于许多人)假设偶然性或训练数据的抽样偏差中的错误产物。我百分之一千赞成使用基于贝叶斯的技术来改进这个过程-特别是像限制了被迫加入安慰剂组这种必要邪恶的外部对照组概念这样的概念。
Stock_Drift 楼主 Arrayfunction : 不,我不。抱歉。
Dusters : 没错。我不提供财务建议。只是我看到一个好的股票就知道。
Stock_Drift 楼主 Dusters : 我同意,你也是!!!
Arrayfunction : 您知道他们正在使用哪种类型的机器学习吗?这种任务并非单个人工神经网络模型可以处理所有内容。它可能仅仅局限于对潜在候选者进行猜测。即使在这种情况下,也可能只是在改进当前药物方面,而不是开发新药。
随机森林模型会更有用一些,因为您至少可以比较它在树中是如何连接所有变量的。但它仍然会受到当今机器学习模型的固有限制;它们无法创造真正新颖的东西,因为它们缺乏想象力,只能依赖训练数据中的内容。
在某个特定的点上,最好转向结构方程模型或类似的模型,这样您可以利用先验知识来抵消人工神经网络可能引起的不可避免的相关性。人类生物学是我们可以判断(对于许多人)假设偶然性或训练数据的抽样偏差中的错误产物。
我百分之一千赞成使用基于贝叶斯的技术来改进这个过程-特别是像限制了被迫加入安慰剂组这种必要邪恶的外部对照组概念这样的概念。
Stock_Drift 楼主 Arrayfunction : 不,我不。抱歉。
Dusters : 没错。我不提供财务建议。只是我看到一个好的股票就知道。
Stock_Drift 楼主 Dusters : 我同意,你也是!!!