0
编者按：掌握一件工具之前，首先要搞清楚用它做什么。而本质是工具的机器学习，近年来逐渐演变成一股潮流。
在美国企业数据方案咨询师 Eric Brown 看来，当下无数公司置其数据资本和实际问题与不顾，一窝蜂上马机器学习，实在是荒唐可笑。他特地发文表达了对该现象的批判和反思。雷锋网编译。
Eric Brown
Eric Brown：数据科学家要用数据说话。从数据上来看：你，和你的公司，并不需要机器学习。
我是认真的。
或许你不同意，那么听我解释。我说“从数据上看”，指的是对于当今世界的绝大多数公司，机器学习（ML）既非必要也无益处。各公司想要利用 ML 来处理的绝大部分任务，都是十分直接的问题——使用某种形式的回归即可完美解决。后者或许不是你在高中代数课上学到的线性回归，但仍会是某个回归函数。雷锋网了解到，著名经济学家 Robin Hanson 最近发表了相同观点，他在推特上说道：
“一个优秀的计算机专家会说：大多数公司以为他们需要先进的 AI、ML 技术，其实，他们真的只需要在干净的数据上做线性回归。”
这句话中，“干净的数据“是重点。它极度、极度重要，但相当多的公司总是在处理数据时忘记、或者忽视这一点。若没有合格的数据质量，以及到位的数据治理、管理流程和系统，有极大的可能性你会陷入垃圾数据陷阱——“向模型输入的是垃圾，输出的也是垃圾”。太多数据项目如此，结果不了了之。
我并不是一个数据管理、数据质量方面的专家导师。但我对这个领域有一定的了解——足够让我清楚不合格、不到位的数据管理是什么样。况且我经常遇到这些情况。在我与公司客户合作、帮助他们开展新数据项目的工作经历中（到现在已经变成了主要是讨论 ML 和深度学习），我问客户的第一个问题永远是：“告诉我你的数据管理流程”。如果对方不能合理地描述出这些流程，那么很显然 ML 并不合适——他们还没有做好准备。
过去的五年里，我估计有 75% 的情况下，客户对我的数据管理问题的回答是：
“ 嗯……我们有一部分数据存在一个数据库里，其他数据存在有合法权限的文件共享里。”
这不是数据管理，是数据存储。
如果你或你的公司并没有高质量、干净的数据，几乎可以断定，你并不适合机器学习（机器学习也不适合你）。搞任何数据项目，数据管理都是第一步。
来找我的公司机构里，有一小部分安排了合格的数据管理工作。他们理解对于好的数据、好的分析而言，质量、治理和管理有多么重要。如果你的公司也是如此——恭喜你，在这方面你已经超过了绝大部分竞争对手。
但我要给你泼点冷水。仅仅因为有干净、高质量的数据，不意味你应该/需要搞机器学习。当然你可以搞，但大多数情况下真没这个必要。
过去五年向我咨询过的所有公司里，我会说：他们原本要用机器学习解决的问题，有 90% 最后只用了普通回归方式就完美解决。每当我推荐用简单的回归，来解决客户眼中的“复杂、高深”问题（雷锋网住：他们下定决心要研发多重 ML、DL 模型来对付），人们总是相当惊讶。我也总是不得不向他们解释，他们可以走机器学习的路线，而且那样做或许也有价值。但能搞清楚基础建模、回归能为你做什么，ML/DL 是否在一些领域比基础回归函数更好，难道不是一件好事吗？
我还能说啥？那就大胆去做！没什么能阻挡你一直跋涉到 ML 和 DL 的深水区。毕竟机器学习有它的用处和舞台。只是记住：在充分了解你的数据，搞明白“经典”方法能为你要解决的难题做到哪一步之前，不要一股脑儿得栽进机器学习。
via Eric Brown
相关文章：
自动化机器学习将成为下一个AI研究主流？听听数据科学家怎么说
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
