幽靈數據
幽靈數據（英語：Ghost data[1]）， 是指從數據科學、統計學角度處理我們一般看不見的數據，量子成像或幽靈成像，「暗物質」或「暗能量」及其在計算機視覺領域中的新發現，甚至還包括與文物資料、經歷等相關的認知數據。
在量子場論的術語中，幽靈（ghost）、幽靈場（ghost field）或規範幽靈（gauge ghost）是規範場論中的非物理狀態。在局部場超過多個物理自由度的情況下，必須使幽靈保持理論的不變性。在數據科學、統計學、計算機等術語中，幽靈數據包括為數字幽靈[2](digital ghost)[3], 虛擬數據（如仿真數據[4]、虛擬病人[5]）、缺失數據[6]、偽造數據[7]、高度稀疏數據，及其他類似數據。令人容易聯想到的是缺失數據。由於缺失機制[8]（可忽略或不可忽略、隨機缺失或非隨機缺失等）的不同，處理方法也不盡相同。除了缺失數據，幽靈數據還包括其他看不見的數據。這些數據可能是因為部分人員能夠感知而其他人不能感知的數據[1]。
概述[編輯]
幽靈數據由John Sall和Dennis Lin教授率先在系列邀請報告[9][10][11][12]中闡述。幽靈數據廣泛存在於各種歷史記錄的數據中，包括記錄的日記、照片、錄音、視頻，甚至存儲在化石和文物等[13]中的記憶信息。儘管這些文物僅記錄部分表面特徵，但是一部分人能感知其相關的更多的信息，而其他人不能感知到那些信息。能夠感知更多信息的人就能構建部分並近似複製其整個生活過程。例如，在文物虛擬修復[13]方面，數據科學家與文物專家的合作，能夠能更多地存儲其記錄，並還原它們所攜帶的記憶信息。隨著技術的進步，將能為原始生活提供完美複製品。
數據類型[編輯]
幽靈數據[1]常包括幽靈成像、虛擬數據、缺失數據、偽造數據、仿真數據、「暗物質」、高度稀疏數據，及其他類似數據。令人容易聯想到的是缺失數據。由於缺失機制的不同，處理方法也不盡相同。數據缺失可以分為隨機缺失(missing at random, MAR)和非隨機缺失（Missing not at random, MNAR）[6]。缺失數據處理方法[8]主要包括使用樣本抽樣推斷、貝葉斯推斷和似然法推斷等。對於實驗設計，隨機完全區塊設計[14]也會遇到缺失問題。不完整均衡區塊設計[14]也可被當成隨機完全區塊設計帶有缺失數據進行統計分析。
相關條目[編輯]
參考文獻[編輯]
- ^ 1.0 1.1 1.2 [1])
- ^ (德)尤夫娜·霍夫施泰特. 陳巍 , 編. 大数据之眼:无所不知的数字幽灵( SIE WISSEN ALLES). 浙江文藝. 2018. ISBN 9787533950880.
- ^ Eric Steinhart. Survival as a Digital Ghost. Minds & Machines: 261–271. [2020-08-10]. （原始內容存檔於2020-10-08）.
- ^ Kaitai Fang; Dennis J.K. Lin. Rao CR, Khattree R , 編. Uniform experimental design and its applications in industry. North Holland, Amsterdam. 2003.
- ^ 徐曼; 沈江, 余海燕. 大数据医疗:认知科学时代的医疗智能. 北京: 機械工業出版社. 2017.
- ^ 6.0 6.1 余海燕; 陳京京 邱航 王永 王若凡. 嵌套删失数据期望最大化的高斯混合聚类算法. 自動化學報. 2019-08-12. [失效連結]
- ^ Hodges, Sarah; Garnett, Emma. The ghost in the data: Evidence gaps and the problem of fake drugs in global health research. Global Public Health. 2020: 1103–1118 [2020-08-10]. （原始內容存檔於2022-04-13）.
- ^ 8.0 8.1 Roderick JA Little; Donald B Rubin. Statistical analysis with missing data. John Wiley & Sons. 2019 [2020-08-11]. （原始內容存檔於2020-09-16）.
- ^ uwaterloo.ca. Statistics and Actuarial ScienceEvents2018November. https://uwaterloo.ca/. [2018-11-08]. （原始內容存檔於2020-11-24）.
- ^ Dennis Lin. Ghost Data. https://math.asu.edu/. [2019-11-07].[失效連結]
- ^ 余海燕. Dennis K.J. Lin教授后大数据Ghost Data研究的学术报告. 重慶郵電大學經濟管理學院. [2018-07-17]. （原始內容存檔於2019年7月23日）.
- ^ bc.njupt.edu.cn/. “Ghost Data（幽灵数据）”的讲座圆满举行. 南京郵電大學管理學院. [2019-05-28].
- ^ 13.0 13.1 Grau, Oliver. Museum and archive on the move: changing cultural institutions in the digital era.. Walter de Gruyter GmbH & Co KG. 2017 [2020-08-10]. （原始內容存檔於2016-01-05）.
- ^ 14.0 14.1 George E. P. Box, J. Stuart Hunter, William G. Hunter. Statistics for Experimenters: Design, Innovation, and Discovery. wiley. 2005 [2020-08-11]. ISBN 978-0-471-71813-0. （原始內容存檔於2019-04-13）.