北大光华王汉生（高维数据分析，搜索引擎营销）5月17日在线访谈

学习，学习

成果颇丰

王老师，我想问下主成分回归分析中的变量选择问题，选择多少个合适，是不是把能放进去的变量都放进去？

好多论文啊！

王教授您好，现在做横向课题时经常会发生数据处理结果与预期大相径庭，我个人觉得数据收集的质量特别重要，而后期的处理现在越来越复杂反而会影响数据对事件的支撑作用，请问您的看法

强烈的支持这种活动。我也想请教一下王教授：
曾经有幸听过您在我们学校做的报告。
最近拜读了您写的几篇超高维的文章，收获很大，尤其是方法的思想上，受益匪浅。
（1）据我个人有限的知识，大多数文章认为超高维指的是变量个数呈指数阶增长，而非多项式阶，即p=O(exp(n^c))，这里c>0，也就是通常的NP问题，而在理论的证明中却限制c满足:0<c<1, 然而，有文献称log(p)/n 趋于0（即0<c<1的情形）只属于高维情形，而非超高维，在理论上如何真正做到c>1或者c>>1的情形？
（2）对于p>>n，通常是对变量先进行筛选(screening) 然后在进行估计，现在是否能够办到对于超高维数据同时进行筛选和估计？
（3） 就目前您所了解的研究现状而言，您能否介绍一下处理超高维数据已经出现了哪些方法(除了SIS, Forward regression)
（4） 有文章提到，通常在模拟中表现得非常好的方法却在预测上并没有表现出优势，请问这主要是哪些原因造成的？这是否可以说明模型的sparsity assumption在实际数据中并不能很好的被满足。

谢谢！

支持

王教授，你好！我想问问就是如何处理变量比样本多的时候的数据情况，比方说经济社会方面的评价分析一般都会涉及到很多评价指标即变量，但是可用的样本数据又相对比较少，这种情况下怎么对数据进行降维和评价分析处理，谢谢王教授的指点！