数据模型思维：多模型思考者（1）：简单与否

最新推荐文章于 2024-06-16 15:35:35 发布

海数据实验室

最新推荐文章于 2024-06-16 15:35:35 发布

阅读量269

点赞数

本文链接：https://blog.csdn.net/qq_40433634/article/details/114682615

版权

本篇前言

前两年间(2018-2019)有读过一本令我至今还颇为挂念的书，The Model Thinker: What You Need to Know to Make Data Work for You,这两三年的工作和学习中，时不时会用到书中思想和方法，身感其真正的价值。该书作者Scott E. Page，是美国密歇根大学的数学教授，这本书的写作缘起是在2005年，作者开始开设数据模型思维这门课程，受众是偏向人文社科和其他非数学背景的学生和学员，后来在MOOC上也亲自开设了类似的课程，获得不错的反响，如此有了十余年的日积月累，后来渐渐考虑到社会上类似书籍的缺乏，同时经过一位亦师亦友的老先生Michael D. Cohen的鼓励，作者决定写一本可以适应时代的，而且是周全详实的相关著作，于是有了这本书的出现。如作者所言，这本书不但体现了其作为一位高校教师对于社会的责任，同时也是对自己所热爱的这个领域的自然而然的产出和贡献。

图片来源于网络，侵删

我是2019年拿到的这本书，并开始阅读的，应该说经历了一段极好的阅读体验，令我眼界和思维完善不少，而且颇具实用价值，很多思想和用例在日常生活中可以得到充分应用和延展。于是，就开设了这个称为数据模型思维的系列，在这里，我决定与读者朋友，以这本书为中心，聊一聊数据模型思维的那些事，同时分享一下我读这本书以及其他相关书籍的笔记与心得。期待读者朋友的积极互动，让我们共同提高。闲言少叙，书归正传，我们开始正题。

简单与否

先引用一段爱因斯坦Albert Einstein的话：

It can scarcely be denied that the supreme goal of all theory is to make the irreducible basic elements as simple and as few as possible without having to surrender the adequate representation of a single datum of experience.

图片来源于网络，侵删

这句话点出了模型在应用过程中一个重要的特色，那就是要把实际问题化简到合适的程度，而不是面面俱到的去表达问题对象中的信息。这里面隐含了一个预设，那就是模型建立是具有目的性的，需要做的则是建立现有数据或信息到目标的对应关系或映射结构，显然这所谓的关系或是结构并非唯一，那么应该尽量寻求最佳，而考虑到何为最佳的重要标准之一，就是是否模型可以足够简单的运用现有信息，能量和资源，从而最大化的完成人们赋予模型的预期。

写到这里，读者应该有所意识，简单其实也是不那么简单的，而且是可以分为一些类型的。比如，形式上的简单，如Albert Einstein的质能方程E=mc^2, 但背后的原理艰深的多，或者思维上的简单，如神经网络模型，其主要依托计算机的强大算力，以分化析理的方式，尽可能提取数据中有效信息进行模型推断，或者运用的简单，如信息熵公式，纵然不懂，可无论怎么用都觉得是那么的符合人之常情和日常经验......当然还很多种简单，就不在这里意义罗列了。不难看出，以上这些简单的类别并不能完全截然分开，可以单独使用，也可以叠加一起，后续篇章会对此详加论述。

一般而言，与简单相对的是复杂，直观之言，或许简单令人感到顺畅，而复杂令人觉得逆反。在应用数学领域中，是有一门复杂系统科学(Complex Systems Science)的，该学科的预设是首先承认复杂性的存在，其认为有些研究对象是无法还原为简单形式的，因此其视角在于相对复杂的看问题。著名的科学家，同时也是mathematica和Wolfram语言的发明者Stephen Wolfram，就是这一领域的杰出代表，对此有兴趣并有打算深究的朋友可以读读他在前些年写的一本书A New Kind of Science。

图片来源于网络，侵删

这时候就需要稍微深入一下谈谈简单与复杂的关系，这里可以从复杂体的角度来看，刚才写过，复杂体是不能规约为简单体的存在。试想一下，这句话其实已经表明，此时的复杂体已经是最简单的形式了。因此可知，所谓的复杂和简单作为一对相反相成的范畴，在这里达到了一个融合，以此可以推断出，人们追求的模型简单，并非是理想上的简单体，而是现实条件下最可能的简单情形。而一个研究或者问题对象的简单与复杂趋向，也会随着视角和条件的变化，而有所变化，而对于这些变化，又可以用概率模型的观点来看待和处理。以此可见模型的确无处不在，来这个系列中，我会带大家好好领略一番这其中的趣味。

图片来源于网络，侵删

Charlie Munger说过，To become wise you’ve got to have models in your head. And you’ve got to array your experience—both vicarious and direct—on this latticework of models. 这句话可以佐证，模型思维有利于梳理经验，使人明智。如上所言，这个系列，就是关于模型的，我会力求使用日常直白的语言来解释模型及其用法。一般而言，模型是用数学和图表表示的形式结构，可以帮助人们理解世界，而对模型的掌握可以全方位的提升人们在推理reason、解释explain、设计design、交流communicate、行动act、预测predict和探索explore方面的能力。