講義中bagging的解釋是a model is run thousands of times,each on a different subsample of the dataset,average all the runs.看意思是模型一樣，訓練數(shù)據(jù)不一樣，然后結果平均。怎么老師講的是模型不一樣然后求平均？
老師 請問bagging=boostrape aggregation，就是抽很多樣本取平均。但是boostraping就是另外一種做法了，和前者截然不同，boostraping是抽樣放回再抽樣（不涉及等權重取平均）。理解起來 意思是不同的?？梢赃@樣記憶嗎？此外，請問boostrape aggregation(bagging)與boostraping是否有誰包含誰這樣的包含關系呢？
老師，基礎班講義第四頁寫著：The ledger is shared among distrusting participants; no one has control. 這句話是不是詞寫錯了？ 是distributing嗎？因為區(qū)塊鏈是分布式的，而distrusting是不信任的。
老師.，第一個說法中，machine learning其實包含了有監(jiān)督和無監(jiān)督學習吧？這里的說法是金融機構更適合于機器學習中的無監(jiān)督學習而不是有監(jiān)督學習？
Random forecast include regression? Not only tree？
講義上on the demand side有一個improvement in hardware. 更快的處理器 也是硬件進步吧 而且供需沒來就不能分開 本來就是相輔相承的 請問這里怎么理解
為什么staff 在reduce burden on firms方面存在pressure呀？不應該是硅谷銀行的burden增加了嘛？為什么要reduce呀？
MRA是什么呀
看了Machine Learning 課程，感覺很虛無。 請問老師current issue溫習策略該如何？這課題看似不能死記硬背？還是了解一下即可？
沒看懂誒
risk premium cds小于risk premium bond的話，cds的債券價格應該是比bond的高吧？這兒為什么是cheap呢
老師，這里面1和2，哪個是對的？ 1是cds+treasury＞bond價格，2是treasury-cds＞bond價格，兩個都是老師講過的，所以cds的符號是正還是復？
講義上不是說AI和ML互相不包括，又互相有一部分重疊？還特地畫了張圖，這里怎么變成子集了？藍色部分
老師，第10題的這幾個概念我還是好混亂，周老師在基礎班第二節(jié)課的第25分鐘講的這個知識點與在百題里講的好像不一致，我完全被搞懵了
1:59:55的時候，avoiding discremination 翻譯是避免歧視，這是一個缺點嗎？避免歧視不是好事嘛？再說
程寶問答
金程問答
