爱因儿科技|教你拆穿所谓“万金油”,数据骗子无处不在( 三 )


笔者对数据骗子没有耐心 。 “了解”一些长得像猫王的薯片又怎样?没人在乎你的观点是不是符合原来的“薯片” 。 解释再天花乱坠 , 笔者也不为所动 。 看看理论/模型能不能适用于(而且能够一直适用于)一大堆从未见过的新“薯片” , 这才是对该观点的真正考验 。
爱因儿科技|教你拆穿所谓“万金油”,数据骗子无处不在
文章图片
给数据科学专业人士的建议
数据科学专业人士 , 如果你想得到那些明白此处幽默的人的重视 , 请不要再用花哨的方程式来支持你的个人偏见 。 让我们看看你的真才实学 。 如果你想让那些“了解”你理论/模型的人将这些理论/模型看作是鼓舞人心的诗歌 , 那么就请大胆地在他们面前用全新的数据集进行一次伟大的展示吧!
给领导者的建议
领导者不愿认真看待任何与数据有关的“见解” , 除非这些见解已经通过了新数据的测试 。 不想付出努力吗?要坚持利用分析学 , 但不要依赖于这些见解——它们站不住脚 , 而且其可信度尚未通过检查 。
此外 , 公司拥有大量数据时 , 将分割数据作为科学文化的核心部分 , 甚至通过对专用于统计数据的测试数据的访问加以控制 , 从而将其应用于基础架构 , 这不会有任何坏处 。 这是一个将“万金油”扼杀于摇篮之中的好办法!
数据过少而无法分割时 , 只有数据骗子才会严格追随他们的灵感 , 用数学方法重新发现他们已知的存在于数据中的现象 , 宣称他们的惊人发现具有统计学意义 , 这便是后见之明 。 这让他们有别于思想开放的分析师和细心的统计学家 。
数据充足时 , 要养成数据分割的习惯 , 一定要对原始数据堆的不同子集分别进行分析和统计 。 这样你就可以在不受骗的情况下占据双重优势了!
爱因儿科技|教你拆穿所谓“万金油”,数据骗子无处不在
文章图片
留言点赞关注
我们一起分享AI学习与发展的干货
【爱因儿科技|教你拆穿所谓“万金油”,数据骗子无处不在】如转载 , 请后台留言 , 遵守转载规范


推荐阅读