感谢
北京大学公共卫生学院生物统计系系列学术讲座
大数据统计学习理论与分布式计算及其应用
演讲者：周勇 教授
在大数据的研究中，往往研究的数据量极大，我们并不需要使用其全部数据。但问题是我们应当使用哪些数据作为研究对象呢？
可以采用从数据中提取有用信息的子抽样方法(Subsampling Method)，与随机森林思想相似。
当数据容量极大时，数据类型和来源的多样性必然导致数据异方差性的出现，因此需要考虑最优加权或杠杆子抽样方法，提取代表性的样本，通过子抽样方法从整体中抽出部分数据进行建模及计算。这种做法可以有效降低数据容量，从而降低数据分析的计算成本，提高分析的时效性和计算的有效性。
在风险度量和风险管理，分位数回归和Expectile回归具有作为重要的应用。因此，将在此两模型下对大数据进行分析。我们提出了几类最优杠杆子抽样方法，给出最优权重，获得参数的估计并给出与全体数据获得的估计一样好的理论结果。同时，杠杆子抽样方法对异方差数据具有稳健性。
版权属于：。。。源
本文链接：http://www.findmyfun.cn/the-theory-and-method-of-optimal-sampling-under-super-large-data.html
转载时须注明出处及本声明。
我的博客即将同步至腾讯云开发者社区，邀请大家一同入驻：
https://cloud.tencent.com/developer/support-plan?invite_code=2py75w7904qok