教育大数据就是数量大的数据

A、数量

B、价值

C、类型

D、来源

(i)变量cigs是平均每天抽烟的数量。样本中有多少人根本就不抽烟?有多大比例的人声称每天抽20支?你为什么认为抽20支香烟的人会有所堆积?

(ii)给定你对第(i)部分的回答，cigs看起来具有条件泊松分布吗?

(iii)用log(cigpric)、log(income)、white、educ、age和age²作为解释变量，估计cigs的一个泊松回归模型。估计的价格和收入弹性是多少?

(iv)利用极大似然标准误，价格和收入变量在5%的水平上统计显著吗?

(v)求方程(17.35)后面介绍的σ²估计值。σ是多少?你应该如何调整第(iv)部分中的标准误?

(vi)利用第(v)部分中调整后的标准误，价格和收入弹性现在统计显著异于零吗?请解释。

(vii)利用更稳健的标准误，教育和年龄变量显著吗?你如何解释educ的系数?

(viii)求泊松回归模型的拟合值yi。找出最大值和最小值，并讨论指数模型对瘾君子的预测表现。

(ix)利用第(viii)部分的拟合值，求yi和yi之相关系数的平方。

(x)使用第(iii)部分中的解释变量(及相同的函数形式)，用OLS估计cigs的一个线性模型。线性模型和指数模型哪个拟合得更好?两者的R都很大吗?

A、对训练集随机采样，在随机采样的数据上建立模型

B、尝试使用在线机器学习算法

C、使用 PCA 算法减少特征维度

A.增加树的深度

B.增加学习率(learnin grate)

C.减少树的深度

D.减少树的数量