推荐语: “How to do statistical research" 包含了一些对统计科研新手的有益建议。更重要的是推荐这个ASA做的网站,虽然近年的更新不多,但是沉淀着不少有意思的文章!

推荐人:陈格平

链接:https://stattrak.amstat.org/2013/06/01/how-to-do-statistical-research/


推荐语: Deep Learning with R 第二版,电子书很快就上市了

推荐人:宋文轩

链接:https://blogs.rstudio.com/ai/posts/2022-05-31-deep-learning-with-r-2e/


推荐语:这是作者 Steve 个人常用 Rmd 模板封装成的 R 包,对于希望获取更多模板的人值得一试,也是分享模板的一个代码参考。

推荐人:孔令仁

链接:


推荐语:用 digitize 包从图表里提取数据。

推荐人:任焱

链接:https://twitter.com/edelponte/status/1580320409794539520


推荐语:由Koenker和Bassett(1978)提出的分位数回归,可以被看作是对条件均值模型的经典最小二乘估计的一种扩展,可用于对几个条件分位数函数的模型集合的估计。这篇文章阐述了分位数回归的原理,并介绍了一些实证案例。

推荐人:朱书慧

链接: Koenker, Roger, and Kevin F. Hallock. 2001. “Quantile Regression.” Journal of Economic Perspectives, 15 (4): 143-156. DOI: 10.1257/jep.15.4.143 https://www.aeaweb.org/articles?id=10.1257/jep.15.4.143


推荐语:Quarto 是一个建立在 Pandoc 上的开源系统,允许用 Python、R、Julia和 Observable 创建动态内容。这篇博客 介绍了如何借助 R 的统计分析优势和 Observable 的可视化优势来创建动态的地图。

推荐人:任怡萌

链接:https://neocarto.github.io/bertin/examples/quarto.html


推荐语:这篇blog介绍了一种较为轻量化获取并使用空间数据并完成数据可视化的流程,避免了arcgis的使用。同时这篇blog的介绍很详细,比较适合上手。

推荐人:赵昊蛟

链接:https://www.mrworthington.com/articles/rstats/mapping-in-r/


推荐语:debug 在编写代码时至关重要,当然每次使用 print() 也是可以的,但作者介绍了一些更好用的 debug 的方法,例如 debug()、flow 包的 flow_run() 等等。

推荐人:王祎帆

链接:https://cosimameyer.com/post/mastering-debugging-in-r/


推荐语:colorspace,一个更丰富的色彩选择R包

推荐人:梁杰昊

链接:http://arxiv.org/abs/1903.06490


推荐语:AI for science的研究近来飞速增长,其中物理学的一些模型和机器学习模型有密切的关系,是值得关注的科研方向。

推荐语:向悦

链接:https://nips.cc/media/neurips-2021/Slides/21896.pdf


推荐语:该blog讲到了domain adaptation的各种情况以及丰富的可视化结果

推荐人:聂宇舟

链接:https://towardsdatascience.com/understanding-dataset-shift-f2a5a262a766


发表/查看评论