推理(Inference)与预测(Prediction)
在机器学习的背景下,很多人似乎混淆了这两个术语。这篇文章将试图澄清我们所说的这两个词是什么意思,每一个词在哪里有用,以及它们是如何应用的。在这里,我将举几个例子来直观地理解两者之间的区别。
推理和预测这两个术语都描述了我们在监督下从数据中学习的任务,以便找到一个描述自变量和结果之间关系的模型。然而,当涉及到结果模型的使用时,推断和预测会出现分歧:
推理:使用模型了解数据生成过程。
预测:使用模型预测新数据点的结果。
推理(Inference)
你观察后院的草。它是湿的。你观察天空。天气多云。你推断已经下雨了。然后你打开电视看天气频道。天气多云,但有几天不下雨。你还记得几小时前你有洒水器的计时器。你推断这是草湿的原因。
另外一个例子:想象你在晚上盯着一个离你有点远的角落里的物体。离你越来越近…你会发现物体正盯着你看。当距离更近的时候可以看到动物的眼睛、皮毛、腿和其他特征。你推断那是只猫。一个简单的大脑程序,对吗?你觉得这件事微不足道,甚至讨论它都很愚蠢。当然,你可以认出一只猫,但事实上,这是一种推理。
假设猫有眼睛、毛发、形状等特征,当你靠近它时,你会给这些变量分配不同的值。例如,最初,eyes变量设置为0,因为您看不到它们。当你走近时,你对你所观察到的东西更加确定。你的大脑接受这些观察结果,并把它们转换成目标是猫的可能性。假设我们有一个catness变量,它表示对象是猫的可能性。最初,这个变量可能接近于零。当您靠近对象时,Catness会增加。推理发生了,并更新了你对物体属性的确认程度。
预测(Prediction)
现在我们来谈谈预测。你观察天空。天气多云。你预测会下雨。你从新闻里听说尽管有云,下雨的可能性很小。你修正了你的预测,很可能不会下雨。
根据人类的日常活动或日常活动模式来理解人类的行为,需要推断控制其行为动态的潜在变量。关于未来人们会在哪里的知识就是预测。然而,如果我们没有推断出人类活动的关系和动态,就无法做出预测。
本质上,推理和预测回答了不同的问题。预测可以是一个简单的猜测,或者更确切地说是基于一些证据、数据或特征的有根据的猜测。这个推论是关于理解你所能得到的事实。它是关于利用你所能得到的信息来理解世界上正在发生的事情。
总结
预测是解释将要发生的事情,而推理是关于已经发生的事情。
简言之,关键是给定一些随机变量(X1,X2…Xn)或特征,如果你对估计某物(Y)感兴趣,那么这就是预测。如果你想了解(Y)如何随着随机变量的变化而变化,那么这就是推理。
作者Alexandros Zenonos
deephub翻译组
————————————————
版权声明:本文为CSDN博主「deephub」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/deephub/article/details/108302562
posted on 2022-06-15 15:24 ExplorerMan 阅读(134) 评论(0) 编辑 收藏 举报