知识卡片
相关规律不等于因果解释
模型可以利用数据中的统计关联作预测,但找到关联不等于解释因果,也不能保证干预某个输入就产生同样效果。书中用这一点区分已知经验规则和数据挖掘。方法、数据范围及验证目标仍需明确,不能声称所有机器学习都放弃因果问题。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 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
如今的机器学习算法,挖掘的是数据内在的相关性,却不再解释其中的因果关系。将采集到的海量的、反映真实世界方方面面状况的数据代入机器学习算法中,机器学习就可以从中挖掘更多内在的规律。正因如此,我们才说未来人工智能业务实际上是“维度上的战争”。你掌握的维度上的数据越多,你能做的人工智能的业务就越多。毫无疑问,未来的智能市场又要开始新一轮的对数据的“圈地运动”。
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:模型可以利用数据中的统计关联作预测,但找到关联不等于解释因果,也不能保证干预某个输入就产生同样效果。其余范围限定用于避免超出书内证据。
- 原始内容:如今的机器学习算法,挖掘的是数据内在的相关性,却不再解释其中的因果关系。将采集到的海量的、反映真实世界方方面面状况的数据代入机器学习算法中,机器学习就可以从中挖掘更多内在的规律。正因如此,我们才说未来人工智能业务实际上是“维度上的战争”。你掌握的维度上的数据越多,你能做的人工智能的业务就越多。毫无疑问,未来的智能市场又要开始新一轮的对数据的“圈地运动”。