大數據預測思維方法，相關性並不意味著因果關係

時至今日，關於西方傳來的一些哲學思想，不斷地佔據人們的思維空間，比如墨菲定律，比如二八定律，還有著名的蝴蝶效應。

蝴蝶效應，通俗淺白形象來說，就是北半球一種蝴蝶展翅飛翔，很可能引起了南半球的一場風暴。

隨著大數據的興起，人們發現有些風馬牛不相及的事情，卻有很強的關聯性，或者叫做相關性。

大數據的意義在於從海量的數據里尋找出一定的相關性，然後推演出行為方式的可能性。在大數據時代，隨著存儲和計算能力在不斷提高，能夠被數據化的東西也越來越多，所以利用統計學研究各種數據之間的相關關係，研究非相關數據之間的相關性就是相關性分析。這最終可以成為我們決策的依據，大大提升我們的管理效率或者處理事情的能力，也極大地顛覆我們原來的思維。

雖然他們沒有因果關係，例如隨著甲的出現，必然會導致乙的出現。

根據引力的計算，月圓月缺和潮起潮落，其實沒有太強的因果關係，月球的引力不足以在地球的海面掀起如此的巨浪，但是他們是緊密相關的。

幾千年都是遵循這樣的相關性。比如月相規律和女性的月經的關係，都不是一種強關聯性，幾乎沒有因果關係。

還有本文起初提到的蝴蝶效應，其實這本質上就是一種相關性，但是並不是因果關係，很顯然從物理學力學都說不通。

還有中醫的脈診，很多人以為這是一個臟腑的反應，其實真的搞錯了，這本質就是一種鏡像反射，中醫把脈所取都在手太陰肺經上，何來直接對應五臟六腑之說？

就是一種取象，取他們的相關性。

有一個很精妙的比喻，相關性就像一個人照鏡子，鏡子里的人和你的動作一模一樣，但是你和鏡子里的人，沒有半毛錢關係，開槍對著鏡子里的人打，你卻毫髮無傷。

相關性，並不意味著因果，但是可以看到一種趨勢，一個結果，就照鏡子，開槍把鏡子打碎了，人也沒事，但是看得清清楚楚，如此而已。

TwitterHealth是紐約羅徹斯特大學發起的一個研究項目，可以通過分析用戶的Twitter微博內容來預測用戶會不會感冒。注意，他們僅僅分析微博內容！

這一項目原來只是給研究人員用作數據挖掘和機器學習系統用的，後來開發出了這一功能。羅徹斯特大學計算機科學系主任Henry Kautz說：「TwitterHealth是一個專門研究分析不同地理位置信息的項目，比如智能手機的GPS信息。」

Kautz說：「我們發現越來越多的社交媒體開始加入地理位置定位這一功能，人們在發Twitter微博的時候就會順帶上自己的地理位置信息。我們的研究小組就從網站上下載並研究此類信息。」

Kautz的學生建立起一個計算機網路，專門用來下載地理位置坐標為大城市的Twitter微博。然後他們開始從海量的大數據資源中挑選可用數據。

「我們發現，人們經常在Twitter微博中提到自己的健康狀況。比如說『我流鼻子了』、『我感冒了』、『我感覺不舒服』等。我們就設想，是否可以根據這些詞句來跟蹤季節性流感？」

於是研究團隊開始拙手寫機器學習演算法，在幾百條實驗微博中挑選「感冒微博」。

最後團隊的演算法在挑選「感冒微博」時已經可以達到99%的準確率，幾乎與人腦分析文本一致，而且「感冒」分析速度要快於美國本土最大的疾病控制中心。

「從大數據中，我們可以發現季節性流感的分布和傳播，我們測量和預測的精度完全不輸疾病控制中心。」Kautz說道。

從這個案例來講，發微博和感冒完全沒有因果關係，但是能夠分析出來人群和個體的疾病特徵，甚至連宏觀的流行性疾病趨勢分布圖，都一清二楚。

從這點上看，科學越來越接近玄學了。

歡迎關注隱士申子源更多文章，與你分析碰撞思維火花！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！