知识卡片
预测模型依赖规律延续假设
预测用历史输入与已知结果学习某种关系,再对新的输入估计结果,前提是旧数据的规律仍对目标场景有用。环境或采样方式变化会削弱这种前提。原文公式Y=F(x)中Y是结果、x是输入特征,不能沿用将x称作因变量的笔误。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 大数据时代变革 10.3.2 数据中台建设的核心 · 查看原书依据
我们对数据的预测,往往有个假设:过去的规律与未来的规律是一致的。因此,所谓的数据预测,就是通过数据挖掘算法,挖掘过去的数据规律,形成一个数据公式。在数学公式Y=F(x0,x1,…,xn)中,Y是我们需要预测的结果,而x0,x1,…,xn是预测这个结果所需的数据项,称为因变量。数据挖掘就是通过过去已知数据获得这些Y与x0,x1,…,xn,然后求解这个函数F()。有了这个函数,代入现在的x0,x1
参考来源
- 位置:《架构真意企业级应用架构设计方法论与实践》第10章《大数据时代变革》“10.3.2 数据中台建设的核心”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/架构真意企业级应用架构设计方法论与实践/_epub-src/EPUB/xhtml/chapter138.xhtml)。
- 结论依据:原文的具体说明支撑这一概括:预测用历史输入与已知结果学习某种关系,再对新的输入估计结果,前提是旧数据的规律仍对目标场景有用。其余范围限定用于避免超出书内证据。
- 原始内容:我们对数据的预测,往往有个假设:过去的规律与未来的规律是一致的。因此,所谓的数据预测,就是通过数据挖掘算法,挖掘过去的数据规律,形成一个数据公式。在数学公式Y=F(x0,x1,…,xn)中,Y是我们需要预测的结果,而x0,x1,…,xn是预测这个结果所需的数据项,称为因变量。数据挖掘就是通过过去已知数据获得这些Y与x0,x1,…,xn,然后求解这个函数F()。有了这个函数,代入现在的x0,x1