轉載自：數據工匠

近日，Science 報道了一種利用最高法院數據庫和隨機森林算法構建的法官判決預測系統，該系統在判決預測上甚至要比法律專家還準得多。以前機器之心就曾對話過首個致力于法律服務的人工智能創業公司 Ross Intelligence，這一次是人工智能應用于法律的新進展。

「最高法院見！」唐納德·特朗普總統在上周為回應地方法院對國家安全政策的看法而發推文這樣說。但把這樣一個案件直接遞送到最高法院是一個好主意嗎？人工智能可能會很快就給出答案。一項新研究表明，即使在信息比較少的情況下，計算機也能比法律學者更好地預測最高法院的判決。

還有其他一些研究也通過算法預測法官的判決行為。例如在 2011 項目中，其使用了 1953 年到 2004 年任意八名法官的投票來預測同一個案件下第九名法官的判決，該系統實現了 83% 的準確度。而另一篇 2004 年發表的論文通過使用 1994 年以來一直在法院工作的法官及其判決來預測 2002 年案件的判決結果，該系統實現了 75% 的準確度。
 

ggimage：ggplot2中愉快地使用圖片

本文介紹了ggimage包，允許在ggplot2作圖時嵌入圖片，并支持aes映射，可以把離散型變量映射到不同圖片。目前有幾個包可以使用圖片嵌入做圖，但都是針對特定的場景，這里使用ggimage來展示在這些特定領域里的應用，ggimage的設計是通用的，并不被特定場景所限定，文末又介紹了用R圖標來畫出R、用餅圖來畫氣泡圖等實例。

R 基礎圖形庫（base graphics）可以在做圖的時候嵌入圖片，使用的是graphics::rasterImage。
 

回歸分析中的問題和修正的探討 （上篇）

回歸分析 Regression Analysis 有四大常見問題， 多重共線性， 異方差， 自相關， 變量誤差。 上篇對前兩大問題進行了簡述。

多重共線性是指回歸模型中的兩個或多個自變量高度相關的情況，使得它難以或不可能分離出單個變量對因變量的影響。 對于多重共線性，即使R^2 （決定系數）可能“過高”，估計的OLS系數可能在統計學上不顯著（甚至具有錯誤的信號）。 通過收集更多的數據，利用先驗信息，轉換函數關系，或者舍棄高共線變量中的一個，有時可以克服或減少多重共線性。