Lucien Le Cam的书籍和理论
Posted 「已注销」
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Lucien Le Cam的书籍和理论相关的知识,希望对你有一定的参考价值。
如果要问二十世纪最伟大的统计学家是谁,大部分的回答不会是Fisher或者Wald,而是Lucien Le Cam。从最近开始我会组织一些同学去翻译Le Cam的大作Asymptotic Methods in Statistical Decision Theory。所以不妨现在就对这部分内容做个简介。
这本书的内容
从统计学角度来说,最难的问题基本上是三个:
1. 如何评价统计决策手段的效果;
2. 在这个评价体系之下,最好的界是什么;
3. 知道最好的界之后,我们是否可以达到。
虽然Le Cam的理论仅仅是建立在参数模型的基础上(后续有人扩展了一部分到半参数模型),但是一个人把这些问题都解决可想而知是什么境界。这种就是自己挖坑然后再把这个事情做到别人没有可做的数学家,我目前还只能想起来van der Vaart在贝叶斯领域的贡献。
为什么要读这本书
关于这本书,我的导师van der Vaart在给Annal of Statistics做总结的时候,放了一个嘲讽。原文我就不引用了,但是大意就一个:“这本书给你们这帮蠢货学者,你们都未必能看懂!”
事实上这本书的确是知名的“天书”之一。这本书当中最难的一点在于,Le Cam广泛引用了当时很先进的泛函分析的理论。Le Cam引用的理论远远超过了像Rudin的泛函分析这么简单的内容,而对于即使是专门进行泛函分析研究的学者,Le Cam所使用的理论也是非常先进和陌生的。
那么Le Cam为什么要引用这些理论呢?一个最重要的原因,也是Le Cam天才的地方,就是Le Cam解决问题的方式。对于大部分人来说,如果我们有了问题A,那么我们一般去考虑的都是问题A的内容。Le Cam不这么想。在Le Cam的体系中,因为问题A,B,C,D,E每个都不一样,所以这么折腾下去只能是思路一跳。Le Cam的目的是把所有问题都和一个标准的问题X做比较。如果在X之上能够得到最优解,那么差异无非就是A和X之间的区别。
在这条路程当中,Le Cam采用了很多大家意向不到的证明方法。比如说Partition of Unity,
Min-Max定理,自己定义的积分,General Duality理论,Dunford-Pettis的应用等等。这些大手笔的方法一般都仅仅在“传说中”才听过。
当然,如果不借用这些工具,直接使用熟悉的概率论工具,也可以得到类似结论。见Asymptotic Statistics这本书的6到8章。
扩展Le Cam理论
那么有什么东西可以扩展Le Cam理论呢?就目前AI来说,其最大不同就是AI考虑优化过程,而参数模型基本上假设解直接是存在的。在这种情况下,如果我们把优化过程看作在黎曼流形上的动态系统会怎么样呢?很神奇的是,黎曼几何、动态系统和泛函分析的交互在这几年取得了很大的进展,而且在之前也有人尝试用Information Geometry的方法解决一些问题。可惜这部分的数学工具也是很深刻的内容,而AI理论距离这个恐怕还有几百年的距离吧。
不过我们还是可以做梦的啊!
以上是关于Lucien Le Cam的书籍和理论的主要内容,如果未能解决你的问题,请参考以下文章
曾宣称证明黎曼猜想,89岁数学家阿蒂亚爵士去世;TensorFlow 2.0 每日构建版本发布;Hadoop巨头完成合并