报告题目：数据偏移下大数据的稳健子抽样方法

报告时间：2026年9月12日下午13:30

报告地点：南湖校区新图书馆5302室

主办单位：免费A片 /科研处

报告人：周永道

报告人简介：周永道，南开大学统计与数据科学学院教授、博导，统计学系主任，入选国家高水平人才青年项目、天津市创新类领军人才、南开大学百青。研究方向为试验设计和大数据分析。主持过5 项国家自然科学基金、1 项国家自然科学基金重点项目课题、1 项天津市自然科学基金重点项目和其它 10 余项纵横向项目。曾访问 UCLA 等 5 所境外高校。在统计学和机器学习顶刊顶会JRSSB、JASA、Biometrika、JMLR、TKDE、NeurIPS、ICLR等发表学术论文90余篇；合作出版了 9 部中英文专著和教材，其中3部入选“十四五”国家级规划教材。曾获全国统计科学研究优秀成果奖一等奖、全国统计科学技术进步奖三等奖、天津市教学成果奖特等奖、华为火花奖。现为天津市现场统计研究会理事长，中国数学会理事、均匀设计分会副理事长，中国现场统计研究会教育统计与管理分会和多元分析应用专业委员会副理事长，Scientific Reports、《应用概率统计》和《四川大学学报（自然科学版）》编委。

摘要：在大数据时代，有效的数据采集方法仍是数据质量的保证。大数据子抽样是处理大数据的重要方法，通过抽取的少量数据进行训练使其尽量达到直接对大数据进行训练的效果，从而可以大大减少训练成本。在实际应用中，常出现训练集和测试集的分布不一致等情形的数据偏移。此时，选取合理的稳健子样本可提高训练模型的预测精度。本报告将介绍在静态数据集和动态流数据等情形下，分别应用均匀试验设计等数据采集方法得到稳健子样本的方法，并说明所提的子抽样方法快速有效，且具有不依赖于模型的优点。