
大數(shù)據(jù)可以預(yù)測 可靠性尚不確定
人類生活需要預(yù)測,但可靠性卻實在不敢讓人恭維,鮮有正確。這有人為因素,也有技術(shù)原因。
比如“非樣本錯誤”。假設(shè)有一位司機,駕齡30年,出行2萬次,只發(fā)生過2次輕微的剮蹭事故。中秋節(jié)跟家人一起喝了很多酒,那么這位司機能否因為此前駕駛記錄良好,就認為這次也不會出事故?顯然這是錯誤的想法。因為2萬次的出行記錄都是無酒駕記錄,這次喝多了,此前的記錄已無任何統(tǒng)計學(xué)意義?;蛟S覺得這樣的低級錯誤預(yù)測專家能夠避免才對,但其實不然。由美國引起的2008年全球金融危機,人類也就只有一兩位預(yù)測到,而其他所有的美國評級機構(gòu)、白宮智囊團、經(jīng)濟學(xué)家無一能預(yù)測出。究其原因,就是犯了這種“非樣本”的預(yù)測錯誤。當(dāng)情況有變,一味根據(jù)過去的記錄做出預(yù)測,就只能得到錯誤的答案。
很多人喜歡投資股市。身處牛市,投資者再外行恐怕也能多少賺點錢,但從牛市進入熊市,證券公司一般都是集體犯錯。這更多的是人為因素。證券分析師出現(xiàn)錯誤判斷很正常,但犯錯一定要避免只有自己犯錯,一起犯錯就等于自己沒犯錯。比如有人分析出股市有一定概率要崩盤,最佳策略卻是繼續(xù)持有。這樣股市崩盤了,由于絕大多數(shù)同行都不確定何時要崩盤,也都選擇持有戰(zhàn)略,集體犯錯,并不會顯出自己水平低。但如果貿(mào)然賣掉股票,短期股價卻沒有跌甚至漲了,就只能表明自己水平不夠。
震驚全球的"9·11"恐怖襲擊事件讓人感覺很突然,其實美國情報機構(gòu)差點識破這一重大陰謀。2001年8月16日,穆薩維,一名宗教極端主義者被逮捕了。他只進行了飛行培訓(xùn)50個小時,卻要求參加波音747客機的模擬訓(xùn)練。這很詭異,因此被人舉報。事后看這個事情,信號很清晰,有恐怖分子要用飛機炸大樓。在當(dāng)時,這個信號卻被掩蓋在幾十萬條諸如此類的眾多噪聲中,并不突出,或許他只是個飛行愛好者呢。有信號,更有噪聲,使得預(yù)測非常困難。
以上種種因素導(dǎo)致人類預(yù)測不甚準確;但還是有辦法使得預(yù)測更加接近真相,那就是借助貝葉斯定理。這條概率學(xué)定理已產(chǎn)生二百多年,是用條件概率推理問題,揭示人們對概率信息的認知加工過程與規(guī)律、指導(dǎo)人們進行有效的學(xué)習(xí)和判斷決策。比如一位女性的乳房X光片顯示陽性,那么她患乳腺癌的概率會是多少?已有的統(tǒng)計數(shù)據(jù)顯示,如果一位女性未患乳腺癌,X光片呈陽性的概率為10%;如果確實患有乳腺癌,X光片陽性概率為75%;因此X光片呈陽性,一般人會認為事情很嚴重。但如果用貝葉斯定理來分析,她患乳腺癌的概率只有10%,因為40多歲的女性,患乳腺癌概率很低,只有1.4%,也就是說先驗概率很低。
大數(shù)據(jù)時代,雖然信息量爆增,但信號與噪聲并存,要做出正確的預(yù)測并不比以前容易,甚至更難。《信號與噪聲》一書告訴我們,如果以貝葉斯定理為基礎(chǔ),努力了解事情的因果關(guān)系,避免一些不該犯的人為或技術(shù)錯誤,預(yù)測準確率都會提高很多。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10