请各位客官谨记：R是一把锋利的刀，用得不好会割到自己（so sharp that you’ll cut yourself）。近日一位小同学的一个问题真是让我颇有些生气。
带着图形界面统计软件的思维来用R的话，十有八九会割到自己。在SPSS、SAS等工具中，虽然看着满屏幕的按钮，但大部分人可能也不害怕，因为不用管它们是什么意思，瞎选一通，按OK，下面就可以洋洋自得看着长篇大论的报表出来了，这种过程很是爽。
到了R的世界，满屏幕只有代码，后来好不容易明白了，原来R不用编程，调用现成函数就可以了，于是乎，开始把各式各样的数据、参数往函数里面扔，扔完了summary()一下，长篇大论的报表也出来了，甚爽。直到有一天，R向你报告说某地方出错了，于是傻了。
这里的案例是AdaBoost，这位同学用adabag包中的adaboost.M1()函数对树模型做boosting，却被告知无法进行。我看了一下数据，原来因变量是数值变量。于是火了，数值变量你咋用Adaboost.M1啊？它本身是对分类问题做的提升，对于一个回归问题非要驴唇对马嘴，这不净瞎扯么。
洒家满以为是个有趣的问题，结果饿着肚子回了邮件，真是亏大了。外专业的同仁也就罢了，俺不会说什么，关键是统计专业的。挥一挥衣袖，用膳去鸟。
我没去美国，不过见到了Data Mining和Machine Learning界的大圣Leo Breiman作讲座，还见到了Princeton的Robert Schapire讲Boosting（它基本上就是由Schapire最先提出的），我没去台湾，但也见到了支持向量机界的牛人Chih-Jen Lin（SVM界著名的软件库libsvm就是这几个人写的）的一个暑期班讲座。还有很多视频课程（例如还有很多名人诸如Tom Mitchell、Vladimir Vapnik），尽在这个网站：
Breiman只留下了一场视频讲座，很遗憾；Schapire的Boosting课非常系统，不妨仔细把两个小时的课听完；Lin的英语口语不太好，毕竟不是native speaker，不过对于中国人来说，这样的英语可能更容易听懂，哈哈。
从这个网站的首页上就足以看出数据挖掘、机器学习以及统计学在当今世道上的盛行。
近年来Ensemble的方法已经不算是什么新鲜事儿了，Bootstrap aggregating（bagging）、Boosting、随机森林等等。个人感觉这些方法的理论路线比传统的统计学要次要一些，不像以往的模型、分布、渐进理论等等那样套路化，而是集中精力在提出创意和想法并实现。至于数学推导，有时候甚至都是在创意实现之后再回头来研究的（或者拼凑的）。
现在还在思考准备提交给12月8日“临床医学研究中的统计方法学术研讨会”的论文。生存分析是医学统计的一大支柱分析，经典的参数、半参数模型基本上也定型，没什么挖掘价值了。那么现在只好眼巴巴指望能从机器学习的方法中找一点出路。可惜的是，这样的想法也被人做得差不多了，比如R界的活跃分子之一Torsten Hothorn，这位德国大叔在2005年干脆写了一篇”Survival Ensembles“，这下好了，整个世界基本清静了，还有啥可以做的？
只好从这些狮子老虎的牙缝中拼命扒呀找呀，看有没有他们没做的或没想到的，凑一凑，凑出一篇东西来（只能算是“东西”）。
P.S. 1 今天看到Ensemble的鼻祖竟然是John Tukey，他那本”Exploratory Data Analysis“真是孕育了不少思想。
P.S. 2 眼看着useR! 2008还有六天就可以开始提交论文摘要了，到现在还一点正式的想法都没有。晕。等我写完生存分析的论文我得马上把我的动画论文写完投出去了（试试Teaching Statistics），然后考虑useR!的论文，然后赶紧把我的animation包升级一下；如果还有空，就该考虑明年IASC的那个会了。
近期评论