彩票赚钱的qq群关注互联网产品管理,交流产品设计、用户体验心得!

预测精度与产品设计

时间:2018-12-29 11:43 来源:未知 作者:admin

回归分析本质上把一个抽象的、带有不确定性的业务问题,定义成关于Y和X的数据分析问题。在问题定义清楚后,进而通过各种技术方法(例如:线性回归、机器学习、深度学习等),使用现实可获得的数据来估计出Y和X的相关关系,并利用该相关性对Y做预测。

显然人们希望预测越准越好,甚至对预测精度的贪婪是永无止境的!然而现实中,绝大多数模型预测都不会特别准。正所谓,预测不准是常态,预测准确是变态!如果一个模型预测过度准确,通常说明这个模型在某个地方弄错了!这个错误不一定是技术上的,例如数据错了、或者估计方法错了,而是这个模型的定义就是完全错误的。举例来说,有人用当期的股市指数,“预测”的同期股票价格。这个所谓的“预测”精度当然好了。但是,当期“预测”同期,这还是“预测”吗?从另一个角度理解,不确定性才是数据价值创造的源泉。如果对一个业务问题居然可以准确预测了,那还有什么值得进一步研究的地方,哪里还有践行数据商业价值的机会。再进一步考虑,几乎所有的不确定性问题都有两部分组成,一部分是无知,一部分是无奈。其中,对应于无奈这部分的不确定性,人们永远无法准确预测。因此,预测不准才是常态。

为了更加深刻地理解预测不准是常态,需要对不确定性和随机性做更加深入的讨论。根据我的定义,如果对某个特定事件,一个特定的个体无法绝对准确地预测其结果,那么就说这个事件对该个体而言是一个不确定性事件,简称“不确定性事件”。相反,如果对某个特定事件,一个特定的个体能够做到绝对准确预测其结果,那么就说这个事件对于该个体而言是一个确定性事件,简称“确定性事件”。由此可见,一个事件的不确定性与否,具有很强的指向性。同一个事件对于个体A而言可能是不确定性事件,但是对于个体B却可能是确定性事件。与之相应,什么是随机现象呢?如果一个事件对于任何个体而言,都不可能被完全精确预测,那么,这个事件就是一个随机事件(Random Event),或者说这个事件具有随机性。可见,同不确定性的定义相比较,随机性的定义要严苛很多。所以,在真实的世界中,不确定性现象比比皆是,而纯粹的随机现象相对要少一些。

  关注 互联网的一些事 官方微信,回复" 328 " 即可在微信里阅读本篇内容。

  在查找公众号中搜索:时时彩赚钱的qq群,或者扫描下方二维码快速关注。

围观: 9999次 | 责任编辑:admin

回到顶部