工业对象的数据建模应慎用机器学习

文章预览

多年来，用机器学习方法（特别是神经网络方法）给工业对象建模一直是一种时髦的做法。但我主张慎用这种做法，认为这种方法时髦但不实用。有人或许会举出很多的例子和报道，说这类方法多好。在我看来，这类观点往往是被 “幸存者偏差”蒙蔽，各种报道不一定靠谱。由于这个方法时髦，就适合写文章、适合做技术包装，故而相关的报道很多。但现实中用得多好就难说了。其次是：报道说机器学习得到的模型好用。但如果在传统方法上花足够的功夫，或许更好用。“名”和“实”的问题，值得思考。 很多人选用这类方法的一个原因，是传统的建模解决不了问题，只能试试它了，把机器学习当成了一根 “救命稻草”。但在我看来：传统建模无法解决的问题，都可以归结为“数据质量”问题，包括数据的完整性、精度、频度、关联关系、分布 ………………………………