Skip to content

v3.5.0 · 定义一律引用教材原文(33 条原文库,引文 162/162 逐字命中)

Choose a tag to compare

@qiuzan2001 qiuzan2001 released this 16 Sep 19:50
· 5 commits to main since this release

v3.5.0 — 定义一律引用教材原文

你问的那句是我的总结,不是教材原文。 已按你的要求重建全库的定义层。


1️⃣ 先回答你的问题

你说的那句:

「广义线性模型(GLM) 的一种,用在结局变量是二值(0 或 1)时。它建模的是「事件发生的概率」。」

这是我(改写时)自己总结的中文,不是任何教材的定义。 PSL §10.1 的原话完全不是这样——它从 η(x)=P(Y=1|X=x) 出发,讲为什么不能直接用线性模型(线性模型无约束、概率有约束),然后引入 link function:

"One type of approaches for classification is to directly model or estimate $\eta(x)$. Since $\eta(x)$ is constrained to between $0$ and $1$, as it represents a probability. Therefore, it's challenging to model $\eta(x)$ directly with a linear model because linear models are unconstrained. Instead, we model its transformation (or referred to as a link function) with a linear model: $g(\eta(x)) = x^t \beta$."

"In logistic regression, we use the so-called logit link function, which is equal to $\text{logit}(\eta(x)) = \log \frac{\eta(x)}{1 - \eta(x)}$."

已按这个改写,并加了三件事:教材原文 + 标准记法 + 中文解释。


2️⃣ 新建 定义原文库.md(33 条 / 1162 行)

每条都是:教材英文逐字引文 + 章节 + URL → 标准数学记法 → 中文解释 → 面试怎么用。

来源全部公开可访问:

代号 来源
PSL Practical Statistical Learning(UIUC),基于 The Elements of Statistical Learning——抓了 33 页正文
LDA Loss Data Analytics(开源精算教材)——4 章
ESL 官方 PDF 全文(1-SE 原则等引文出处)

覆盖 33 个核心概念:统计学习 / 线性回归 / 共线性 / 子集选择 / Ridge·Lasso / 回归树 / CCP / 随机森林 / GBM / 不纯度 / 误分类率 vs 熵 / AdaBoost / 前向分步 / 多项式 / 样条 / 平滑样条 / 判别分析 / 朴素贝叶斯 / 逻辑回归 setup / MLE / 分离 / 回顾性抽样 / GLM 框架 / Poisson+offset / 乘性费率 / Tweedie / 严重度 / 频率。


3️⃣ 引文保真度:162/162 逐字命中(可复现)

我没有靠肉眼相信引文。写了两个工具:

bash _meta/tools/fetch_all_sources.sh   # 一键抓取全部 34 个来源页面
python3 _meta/tools/verify_quotes.py    # 逐条判定引文是否逐字命中教材原文

校验过程本身也发现了问题,都修了:

  • 首次跑报 7 条未命中 → 核查发现是我的校验语料缺页导致的假阴性(补齐 3 个子页 + ESL PDF 后归零)
  • 修掉 1 处真实转写差异:我把源文的 | 误写成了 \mid(逐字引用就不该动它)
  • 修掉 C12 里一段**「标为原文实为转述」**的 1-SE 规则表述 → 换成 ESL §7.10 p.244 的逐字原文,并注明 ESL 自己在 §3.4.3 写了「(Section 7.10, page 244)」自证出处

_meta/sources/ 已加进 .gitignore —— 教材原文不入库(体积 + 版权),但脚本可随时重建。


4️⃣ 标准定义接进 28 篇笔记

每篇在正文最前插入 ## 📖 标准定义 块:逐字引文 + 标准记法 + 中文解释 + 跳转锚点。纯插入、零删除,原来的中文解释全部保留。

共 134 条逐字引文接入笔记(全部脚本回查命中)。


5️⃣ 顺带补上库内最后一个内容缺口

定义原文库 建好后发现:判别分析(LDA/QDA/Naive Bayes)在库内完全没有落点——而事实核验报告早就把它列为缺口 G5。现已新建:

01_LR_GLMs/1.8 判别分析(LDA QDA Naive Bayes).md(200 行,中文 72.5%)——教材原文 + 三种方法的假设对比 + 与逻辑回归的 7 条关系 + 代码 + 6 条常见坑 + 6 句英文表达。


6️⃣ 规则入库

_meta/写作规范.md 新增 §9「定义类内容的引用规则」:哪些算定义、引用规范(逐字、必附 URL、抓不到就明说「未取得原文」)、权威来源清单、以及正反示例对照(就用你举的这句当反例)。

体检

bash _meta/tools/vault_check.sh   # 82 篇 / 24175 行 / 全项 0 告警