ida 组 (@[email protected])

这是一个关于 ida 的群组,关注以获取群组推送,引用可以分享到群组。

I'm a group about ida. Follow me to get all the group posts. Tag me to share with the group.

Tips:
回复时删除群组引用可以避免打扰到关注群组的大家 ~
Please delete the group tag in reply, thank you ~

创建新群组可以 搜索 或 引用 @新群组名@ ovo.st。
Create other groups by searching for or tagging @[email protected]


近期活动:

[2025-09-17 23:19:44] [email protected]: 【整理】美國可能有停滯性通貨膨脹的證據三、失業率⭐截至2025年6月時出現水平的短期趨勢線⭐7月數據加入後,趨勢微幅上升⭐8月數據加入後,趨勢繼續上升2025年2月到6月,月均0%2025年2月到7月,月均上升0.006%2025年2月到8月,月均上升0.0179%@academicchatter @ida #經濟 #財經 #美國 #失業 #停滯性通貨膨脹 #useconomy #unemployment #usstagflation #MathAI #economy

[2025-09-17 23:09:45] [email protected]: 【整理】美國可能有停滯性通貨膨脹的證據二、PCE物價指數年增率(經季節調整)⭐週期循環⭐近兩條短期趨勢線的低點出現右邊比左邊高完整:https://sites.google.com/view/usinflation/PCE@academicchatter @ida #經濟 #財經 #美國 #通貨膨脹 #停滯性通貨膨脹 #useconomy #usinflation #usstagflation #MathAI #economy

[2025-09-17 23:05:47] [email protected]: 【整理】美國可能有停滯性通貨膨脹的證據一、CPI年增率(未經季節調整)從2024年12月開始的短期趨勢,下降速度持續趨緩。直到8月數據公布,短期趨勢趨於水平線。@academicchatter @ida #經濟 #財經 #美國 #通貨膨脹 #停滯性通貨膨脹 #useconomy #usinflation #usstagflation #MathAI #economy

[2025-09-16 12:09:36] [email protected]: 本來沒想做美國核心通貨膨脹率的數據。但一直看到川普說美國沒有通貨膨脹問題。那麼剔除波動較大的食品和能源價格後,更能反映通膨的真實趨勢的核心通貨膨脹率到底告訴我們什麼事情呢?從數據的短期趨勢可以看到最右邊的那條紅色線。是的!是條明確的上升趨勢線了。⭐從哪個時間點開始呢?答案是2025年3月。從事後諸葛觀點來看,為什麼會是2025年3月呢?因為美國四月開始宣布關稅提高政策,之後開始實施。而消費者物價指數衡量的產品種類多數都受到影響,因此,可以明顯看到美國關稅政策開始到正在實施的期間,通貨膨脹率的趨勢情況。⭐持續多久了?3月到8月,已經持續6個月囉!你說美國有沒有發生通貨膨脹呢?本週聯準會宣布降息,後面通貨膨脹會怎樣呢?繼續長期追蹤😁@ida @academicchatter #經濟 #財經 #美國 #通貨膨脹 #AI #MathAI #USA #usinflation #inflation #economywatch

[2025-09-10 16:58:50] [email protected]: 美國通貨膨脹率(CPI年增率)從1948年1月到2025年7月的數據建模。左上:直方圖這是一般對數據分布的表現方式,但這樣的表現方式並沒有告訴我們任何有關機率模型的數學式。右上:以分11組的美國通貨膨脹率組中點和對應的相對次數,進行AI數據分析的AI-based piecewise linear regression建模,得到兩條數學式。整體的準確率達0.83%。左下:分更多組的美國通貨膨脹率組中點和對應的相對次數。精準建模後,產生31條直線方程式。整體的準確率達0.94%。右下:運用改良式適合度檢定,為美國通貨膨脹率從45種機率分布中測定最小卡方值的分布。這個Gumbel結果並無P值小於0.05。再根據Gumbel分布的第一個參數為條件,模擬生成美國通貨膨脹率的分布情況。@academicchatter @econometrics @ida #AI #economywatch #economy #inflation #CPI #USA #datamining #datascience #bigdata #MathAI #math #mathematics

[2025-09-04 00:54:36] [email protected]: 從檢定發現美國失業率是廣義極值分配特性。同時,Gumbel,type I有機率密度函數,真實告訴你美國失業率的機率模型,而不是出一張圖代表存在機率模型。以上這些方法都是超越傳統AI的數據分析方法,真正從數據本質出發打造精確統計模型,解決通用模型無法捕捉真實數據規律的難題,通過自動化建模過程揭示隱藏的數學規律。你學的是落在哪種層次呢?直線建模能做到,當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成,統計學習達成。其中一種非線性建模:https://x.com/meiyulee357/status/1963281302423241168@academicchatter @econometrics @ida #AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #unemployment #Statistics #USA #dataanalysis

[2025-09-04 00:48:39] [email protected]: 如何建構美國失業率的機率模型?機率模型最後要有數學式顯示,不能只是圖形。1) 直方圖?別想了,沒有數學式。只是圖像視覺化,不是數據分析,也不是人工智慧該有的數據模型。【不合格】2) 用直方圖的組中點和對應機率值?11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method,產生9段直線。整體的R2達93%。【合格】4) 運用適合度檢定,檢定45種機率分配?發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】@academicchatter @econometrics @ida #AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #Statistics #artificialintelligence

[2025-09-03 13:03:42] [email protected]: Q:什麼是AI-based piecewise linear regression?A:piecewise linear regression是非直線的數據規律仍想使用直線建模的一種方法。對非直線數據規律的轉折位置(或稱為斷點)進行尋找。通常使用metric measurement的做法,找到斷點,近幾年則偏向使用各種演算法加上AIC/BIC準則尋找斷點。AI-based piecewise linear regression則不使用前述方法,而是基於人工智慧的運算與判斷原則,在迴歸分析的估計準則下,將樣本數內生化。換句話說,人工智慧需要根據數據規律的排序,依序將樣本加入運算直線迴歸。由原本的迴歸準則R2進行判斷是否新加入的樣本與前面的樣本符合一直線關係。產生的多條直線迴歸線組是否能代表數據規律的最佳模型,是藉由整體樣本與多條直線迴歸線組的估計值,產生殘差,計算MSE。整體樣本會因每次至少要多少樣本形成一條直線迴歸而需要重複運算。運算程序需人工智慧運算與判斷。@econometrics @academicchatter @ida

[2025-09-03 12:50:23] [email protected]: 美國聯準會喜歡的PCE物價指數年增率短期趨勢告訴我們什麼事情呢?Q:川普的關稅政策有沒有影響到PCE物價指數年增率?A:有的。看一下最右邊的兩調短期趨勢線。2024年10月到2024年2月平均每月上升0.077%2025年3月到2025年7月平均每月上升0.085%如果加上受到季節調整影響,回到原本當初2025年2月取得數據的情況,2024年10月到2025年2月平均每月上升0.079%。這顯示川普關稅政策影響下PCE物價指數年增率增長速度變快,代表美國通貨膨脹五個月內其實是較去年同期為基準下,增長速度變快。@econometrics @academicchatter@ida#美國 #川普 #Trump #Trumpeconomy #USA #Tariff #經濟 #財經 #economy #economics #economywatch #inflation #usinflation

[2024-07-30 22:24:41] [email protected]: AI數據分析應用 - 金融指標美國小型銀行存款金額趨勢圖黃線: 小型銀行吸收到的存款金額穩定上升,從2020年4月到2022年1月。🔍關注追蹤我!!❤️🎁 #AI數據分析 線上/實體課程 ❗️🎁 方法適合數據分析 #工作 、寫 #報告 、寫 #論文 、做網站 、 線上專業 #行銷 等......想學AI數據分析嗎? 私訊了解報名@ida #分析 #實作 #AI #mathai #經濟 #財經 #金融 #數據分析 #資料分析 #研究 #美國 #銀行 #存款 #負債 #課程 #研習 #講座 #AI數據分析

[2024-07-30 10:57:55] [email protected]: 早上好,看到這則貼文的朋友今天開始來寫一些AI數據分析的概念和場景應用,希望你們會喜歡😊EP1 如何從傳統分析方法過渡到AI數據分析目前AI數據分析以技術做不同的課程或介紹。➡️ 大型語言模型:多數人是它的擁簇者,並認為其他技術都不是AI。他們大力推崇大型語言模型,並認為機器學習系列和轉換模型是AI技術,其他都是假AI。➡️ BI:因為AI包含大數據技術,其中就是可視化,所以只要使用BI就是AI數據分析。BI的互動性強,如當初谷歌的動態地圖數據表現,但比谷歌的圖像畫面來的漂亮。台灣官方都使用BI當互動式視覺化資料庫。1/ @ida

[2024-07-26 17:22:31] [email protected]: #學習 @ida

[2024-07-22 20:52:07] [email protected]: #AI數據分析 每天看圖系列#美國 在建私人住房單元精準趨勢這搭配美國在許可證發放地批準的新私人擁有的住房單元一起看一個是在建,一個是建築許可證,也就是紙上蓋房子https://mastodon.social/@aphoebusli/112729190344352502@ida #經濟 #財經 #美國 #住房 #房地產 #數據分析 #mathai #ai #data #dataanalysis #housing #estate #DBA #IDA #economy

[2024-07-15 22:56:07] [email protected]: 在「預設模型」的路徑中其實我們多數在學習過程就是學這套!假設有個模型然後用數據去驗證但我們也能放寬讓數據自己決定它要多少數據量(樣本)形成最精準的「線」當我們讓數據自己決定要多少樣本成為一條線你也可以想像是我們讓數據自己決定多少樣本成為一群其結果可能有數學式出來也可能沒有即使過程中用了數學模型或數學計算總歸我們看結果有沒有數學式作為評判標準為什麼要用數學式呢?別說K-means不能有數學式如果已經確定分群那麼該群數字就能建立聯合機率模型吧!?再不濟也能建立邊際機率模型?!所以有無數學式結果是很重要的判斷標準(2/3)@ida #從零開始學數據分析

[2024-07-15 22:46:53] [email protected]: 數據分析流程的的三個步驟是「數據分析」這裡又分出「數據建模」、「數據模擬」、「數據驗證」在數據建模的步驟中我們其實希望達到「讓數據自己說話」的原則所以所謂的建模就分出「預設模型」和「模型選擇」這樣的概念可能沒有人跟你這樣說過但這才是目前數據建模的分類情況(1/3)@ida

[2024-07-15 22:41:37] [email protected]: 前面描述了四個步驟用心智圖表現第一和二步驟對非資訊專業人員來說數據蒐集就是上網找數據公開數據是很棒代表次級資料數據處理上非資訊專業人員取得數據後就會打開數據將缺漏值和不相關欄位刪除留下需要的數據留下的數據進行初步的了解包含計算係數和圖像這時候將完成初步的數據觀察與獲得一些想法@ida #從零開始學數據分析

[2024-07-15 22:39:57] [email protected]: 數據分析流程有哪些步驟?從基礎到應用1. 數據蒐集2. 數據處理3. 數據分析4. 數據解讀@ida #從零開始學數據分析

[2024-07-12 10:07:11] [email protected]: 當AI融入分析方法取代人類的運算與判斷,我們可以開始思考以下幾個問題,這也是AI在分析方法上的突破與創新。1. 長短期之爭有人知道長期多長嗎?短期多短嗎?金融設定長期:一年含以上;短期:一年以下經濟設定長期:所有生產要素都能改變如果我們讓數據自己說話,那麼數據就能自己決定多少數據量是短期。原理則可參考迴歸分析的迴歸線。只要同一條迴歸線並且支持迴歸線的準確率最高。@ida #從零開始學數據分析

[2024-07-12 10:00:50] [email protected]: 這週大致將【從零開始學數據分析】的觀念講義寫好。這是我為非資訊專業人員寫的,銜接AI數據分析的教材。內容並不完善,例如對機器學習的介紹,或是統計學、機率等的介紹都沒有出現。會想寫這本教材的原因是,從大數據開始,整個的教育和方向,就傾向到資訊人員的培訓。但觀察一個企業內部,資訊人員占的比重不高,除非是科技公司會聘任很多的工程師和程式設計師。所以我從數據開始出發,數據類型和分析方法是有關聯的,而分析方法又會延伸到對應的工具上。希望透過這樣的教材,讓非資訊專業人員能夠了解「數據分析」並不是網上看到的那樣而已。還有一大部分是非資訊專業人員可以使用的工具,幫助他們在工作上有所提升,獲得人工智慧的幫助。@ida #從零開始學數據分析

[2024-07-10 23:11:08] [email protected]: 你知道「長期」與「短期」觀察的區別嗎?我先前貼文有談過。不過,今天讓我用美國聯準會的國債持有數據來分享一種常見的「長期觀察方法」。**長期觀察**這裡有248筆數據,從2019年10月9日開始到2024年7月3日為止。圖一顯示了這段期間的數據,空心三角是原始數據,紅點與線是AI數據分析的最佳直線多線段結果。你會發現,紅點幾乎與空心三角重合。我在圖一上畫了兩條水平線,這是種「兩點比較法」:🔵用藍線標記最新數據的水平位置🟢用綠線標記聯準會政策影響前的最高點🟤用深咖啡色線標記期間內聯準會持有國債的最高金額綠線是依靠AI數據分析的直線多線段才能找到。**比較差距**透過水平線找到兩段差距:🔴聯準會減持國債的金額差距:深咖啡色線 - 藍線🔴從新冠疫情政策影響開始到目前的持有水準差距:藍線 - 綠線以深咖啡色線到綠線的距離為聯準會持有國債金額的最大差距(100%),那麼在緊縮貨幣政策下,聯準會減持國債已達43%,正朝著50%邁進。要注意的是這方法沒考慮到隨著時間自然增長的可能。希望這些數據和方法能讓你對數據分析更有興趣!📊✨@ida

上一页 | 下一页