知识卡片

普通读书笔记卡 · 9442 · 生成模型:Tencent Hunyuan Hy

从程序逻辑到数据统计

理解等级:初级

传统开发中,人把业务逻辑翻译成一串指令交给计算机执行,输入规则和数据就直接得到结果;机器学习则不同,人给的指令是让机器自主学习的指令,机器据此从数据中自行判断该用什么背景色、多大间距。这背后是从程序逻辑到数据统计的思维转变:不再追求确定的因果推导,而是以相关而非因果为根基,用数据统计分析隐藏关系。由此可把机器学习理解为:人输入数据、算法从中得到模型,再用模型自主判断和预测未知信息。用途上,这解释了为什么产品经理在选算法前必须先看数据——数据质量决定学习效果,朴素贝叶斯对分类数据契合、对缺失值不敏感,不同算法对样本量和类型各有限制。边界上,统计相关不等于因果,不能把模型结论当作因果规律滥用;可迁移的启发是遇到不确定决策,先问手上有没有足够且合适的数据,再决定用统计方法还是规则方法。

这张卡片看不懂?

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

    • 了解你手上的数据 3.1.1 机器学习的数据统计思维 · 查看原书依据

      实际上,这两种模式的背后是从“程序逻辑”到“数据统计”的思维转变。如图3-1所示,这种“相关而非因果”的概念是机器学习的理论根基。在这个基础上,可以这样来理解机器学习:计算机使用人为输入的数据,利用特定的算法,得到某种模型的过程。最终目的是让计算机能够使用模型自主判断、预测更多未知的信息。

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第3章《了解你手上的数据》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00008.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文以传统开发和机器学习作对比,并指出背后是从程序逻辑到数据统计的转变、以相关而非因果为理论根基,直接支撑本卡关于学习思维与数据基础地位的结论。 - 原始内容:实际上,这两种模式的背后是从“程序逻辑”到“数据统计”的思维转变。如图3-1所示,这种“相关而非因果”的概念是机器学习的理论根基。在这个基础上,可以这样来理解机器学习:计算机使用人为输入的数据,利用特定的算法,得到某种模型的过程。最终目的是让计算机能够使用模型自主判断、预测更多未知的信息。