知识卡片
随机性、混沌与蝴蝶效应
概率论要处理的是随机性,而随机性已被证明是世界的内在属性。牛顿力学曾让人相信世界完全可预测,但混沌理论打破了这种决定论:洛伦兹用只有风速、温度、气压三个变量且不含随机项的确定性方程描述大气对流,轨迹却呈现出蝴蝶形状。蝴蝶效应把确定与随机统一在一个系统里——轨迹必然落在蝴蝶范围内,这是确定、可预测的;下一次会落到哪一侧翅膀的哪一点却无法准确判定,这是随机、不可预测的。换成统计语言:样本总体的取值范围是确定的,所有对象都落在这个范围内,但无论收集多少样本,这种随机性都不会降低或消失。正因为随机性无法根除,规律只能从统计整体上把握,概率论才成为描述不确定性的数学工具。
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
- 第1章 机器学习的基础 · 查看原书依据
从统计学的角度来看,蝴蝶效应说明了两方面的意义:一方面,样本总体(特征向量)的取值范围一般是确定的,所有样本对象(包括已经存在的和未出现的)的取值都位于此空间范围内;另一方面,无论收集再多的样本对象,也不能使这种随机性降低或者消失。
参考来源
- 位置:《机器学习算法原理与编程实践》第1章 机器学习的基础(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00007.html)
- 结论依据:原文借莱特希尔的道歉与洛伦兹方程说明决定论被打破,并用蝴蝶效应给出确定范围与随机细节的对比,进而推出随机性不可根除。
- 原始内容:从统计学的角度来看,蝴蝶效应说明了两方面的意义:一方面,样本总体(特征向量)的取值范围一般是确定的,所有样本对象(包括已经存在的和未出现的)的取值都位于此空间范围内;另一方面,无论收集再多的样本对象,也不能使这种随机性降低或者消失。