哪些情況會(huì)讓數(shù)據(jù)科學(xué)家抓狂

哪些情況會(huì)讓數(shù)據(jù)科學(xué)家抓狂

如今，人們對(duì)數(shù)據(jù)科學(xué)的熱情高漲。只要在產(chǎn)品介紹中加入"由人工智能驅(qū)動(dòng)"，就能極大地促進(jìn)產(chǎn)品的銷量。

但是，問題也接踵而至。

數(shù)據(jù)科學(xué)在營銷時(shí)常常會(huì)夸大其詞。從而，客戶也大大提高了期望值。但最終，數(shù)據(jù)科學(xué)需要盡力去實(shí)現(xiàn)客戶的高期望。

在本文中，我們將討論機(jī)器學(xué)習(xí)項(xiàng)目中八個(gè)讓數(shù)據(jù)科學(xué)家抓狂的常見問題，以及為什么這些問題讓數(shù)據(jù)科學(xué)家苦惱不已。

如果你也處于數(shù)據(jù)科學(xué)領(lǐng)域，或者考慮進(jìn)入該領(lǐng)域，那么明確這些問題能幫助你更好做出判斷并進(jìn)行處理。

1. 我們想要一個(gè)AI 模型來解決問題

行業(yè)中80％的問題都可以通過簡單的探索性數(shù)據(jù)分析解決。如果在解決某些問題時(shí)用機(jī)器學(xué)習(xí)都有些大材小用，那么根本不用再考慮用AI了。

是的，高級(jí)分析很高大上。企業(yè)都喜歡通過對(duì)這方面的投資在行業(yè)中處于領(lǐng)先地位。哪家公司不想宣傳一下 AI 項(xiàng)目呢？但需要對(duì)客戶進(jìn)行基本的說明，采用適當(dāng)?shù)男袠I(yè)用例。

“到目前為止，人工智能的最大危險(xiǎn)在于人們過早的認(rèn)為他們已經(jīng)充分理解它了。” 

—— Eliezer Yudkowsky

2. 通過一些數(shù)據(jù)得出變革性的分析見解

通常客戶認(rèn)為，他們只需要提交數(shù)據(jù)就可以了。有些客戶甚至不會(huì)提供相關(guān)問題的定義，具體可以看到第四點(diǎn)。他們要求數(shù)據(jù)分析師獲取數(shù)據(jù)，并得出變革性的商業(yè)見解，從而能夠在一夜之間改變企業(yè)的發(fā)展方向。

不幸的是，數(shù)據(jù)科學(xué)家無法單獨(dú)得出可操作的商業(yè)建議。這需要與客戶進(jìn)行持續(xù)有效的交流，從而全面了解企業(yè)的情況。在整個(gè)項(xiàng)目期間，定期與業(yè)務(wù)人員進(jìn)行規(guī)劃是很重要的。

“如果你不知道如何提出正確的問題，那么你將一無所獲?！?nbsp; 

—— W. Edward Deming

3. 構(gòu)建模型，并跳過不必要的分析來節(jié)省時(shí)間

許多數(shù)據(jù)分析師忽略了數(shù)據(jù)整理和探索性分析的重要性。

數(shù)據(jù)分析是機(jī)器學(xué)習(xí)和其他更高層次分析的必要步驟。如果不了解數(shù)據(jù)，不去發(fā)現(xiàn)異常值或潛在模式，那么模型將一無是處。因此必須為分析預(yù)留時(shí)間，并與客戶分享有價(jià)值的發(fā)現(xiàn)。

“煉金術(shù)士在尋找黃金時(shí)會(huì)發(fā)現(xiàn)其他許多更有價(jià)值的東西?！?

—— Arthur Schopenhauer

4. 根據(jù)上周的數(shù)據(jù)，你能預(yù)測未來6個(gè)月的數(shù)據(jù)嗎？

這是數(shù)據(jù)科學(xué)家們最討厭的情況。客戶在電子表格中提供了幾行數(shù)據(jù)，并希望 AI 能夠預(yù)測未來。有時(shí)更夸張，在沒有任何數(shù)據(jù)時(shí)，客戶想知道機(jī)器學(xué)習(xí)是否能填補(bǔ)這些數(shù)據(jù)的空白。

數(shù)據(jù)質(zhì)量和數(shù)量至關(guān)重要，“垃圾進(jìn)，垃圾出”適用于數(shù)據(jù)分析。有用的統(tǒng)計(jì)技術(shù)有助于處理數(shù)據(jù)問題，并能在你提供的少量數(shù)據(jù)中得出更多的結(jié)論。例如，估算缺失點(diǎn)，生成數(shù)據(jù)或使用較小的簡單模型。但這需要降低客戶對(duì)結(jié)果的預(yù)期。

分析技術(shù)與數(shù)據(jù)量的關(guān)系，來源：吳恩達(dá)

5. 你能在兩周內(nèi)完成建模項(xiàng)目嗎？

許多項(xiàng)目的規(guī)定時(shí)間十分緊迫。這種高強(qiáng)度的項(xiàng)目安排常常會(huì)給模型工程階段帶來影響。隨著模型API和GPU計(jì)算的出現(xiàn)，客戶想知道到底時(shí)什么減慢了緩數(shù)據(jù)科學(xué)家的速度。

盡管自動(dòng)化機(jī)器學(xué)習(xí)取得了進(jìn)步，但在建模過程中手動(dòng)操作也是必不可少的。數(shù)據(jù)科學(xué)家必須在痛苦的迭代中檢查統(tǒng)計(jì)結(jié)果，比較模型和檢查解釋。這些是不能自動(dòng)化的，起碼現(xiàn)在還不能。這方面最好通過案例跟客戶說明。

6. 你能替換輸出變量并刷新嗎？

在數(shù)據(jù)科學(xué)家解決了商業(yè)行為的建模問題之后，新的請求即將出現(xiàn)，也就是最后的小變化。通常是替換輸出變量，然后重新運(yùn)行模型?？蛻粢庾R(shí)不到這些變化不僅會(huì)改變目標(biāo)，而且會(huì)改變整個(gè)模型。

雖然機(jī)器學(xué)習(xí)是高度迭代的，但關(guān)鍵挑戰(zhàn)是為給定的輸出變量選擇正確的影響因素，并映射它們間的關(guān)系。客戶必須了解這背后的基本工作原理，以及明確他們可以調(diào)控的范圍。

7. 模型的準(zhǔn)確度可以達(dá)到100％嗎？

人們經(jīng)常會(huì)對(duì)錯(cuò)誤率產(chǎn)生誤解，而且容易盲目追求測試等級(jí)。有些客戶甚至希望準(zhǔn)確度達(dá)到100％。當(dāng)準(zhǔn)確度超過其他因素成為唯一的關(guān)注點(diǎn)時(shí)，這就很令人擔(dān)憂了。建立一個(gè)過于復(fù)雜卻無法實(shí)現(xiàn)的高準(zhǔn)確度模型有什么意義呢？

以高準(zhǔn)確度贏得Netflix獎(jiǎng)的模型從未正式上線，因?yàn)楦叨鹊膹?fù)雜性會(huì)帶來巨大的工程成本，反而準(zhǔn)確度較低的模型則會(huì)被采用。因此在考慮準(zhǔn)確度時(shí)，要權(quán)衡簡單性、穩(wěn)定性和業(yè)務(wù)可解釋性。

模型工程：權(quán)衡各方面的因素

8. 訓(xùn)練好的模型能一直不出問題嗎？

在艱辛地完成建模和測試之后，客戶想知道機(jī)器是否已經(jīng)掌握了所有內(nèi)容。常見的問題是模型是否能一直不出問題，并且適應(yīng)未來業(yè)務(wù)的變化？

不幸的是，機(jī)器不能終身學(xué)習(xí)。需要進(jìn)行不斷地訓(xùn)練，通常需要每隔幾周或幾個(gè)月進(jìn)行復(fù)習(xí)和訓(xùn)練，就像寒窗苦讀的學(xué)子一樣。如今的分析行業(yè)在迅速發(fā)展，瞬息萬變，因此模型也需要不斷進(jìn)行維護(hù)和更新。

結(jié)語

在機(jī)器學(xué)習(xí)項(xiàng)目中，以上八大誤區(qū)會(huì)讓數(shù)據(jù)科學(xué)家頭疼不已，在機(jī)器學(xué)習(xí)建模生命周期的六個(gè)階段也會(huì)出現(xiàn)類似問題，如下圖所示。

機(jī)器學(xué)習(xí)項(xiàng)目生命周期

導(dǎo)致上述誤區(qū)的原因在于缺乏對(duì)項(xiàng)目的了解，以及沒有正確把握主次。了解背后這些原因的數(shù)據(jù)科學(xué)家需要對(duì)客戶進(jìn)行更好的說明，從而雙方能夠更好得解決難題，而不是一味的妥協(xié)。