我们每个人都容易受到歪曲思维的认知偏见所带来的伤害,但是,数据科学家必须防止这些偏见破坏他们的工作。下文将介绍五种常见的认知偏差,这些偏见很容易让你看起来很客观的工作变得非常主观。
最近,我在读罗尔夫·多贝尔(Rolf Dobell)的《清晰思考的艺术》(The Art of Thinking Clear),这本书让我以一种前所未有的方式思考认知偏见。我意识到一些认知偏见是多么地根深蒂固。事实上,当我们的思维受到它的影响时,我们通常没有意识到。对数据科学家来说,这些偏见确实会改变我们处理数据的方式,和我们日常做出决定的方式,而且效果变得更糟。
尽管我们所研究的所有事实似乎都是客观的,但数据科学却在其过程中伴随着令人惊讶的主观性。
因此,我们数据科学家需要非常小心,因为所有人都很容易受到认知偏差的影响。我们也不例外。事实上,我看到过很多这样的例子: 数据科学家最终基于已有的信念、有限的数据或非理性的偏好做出了决定。作为数据科学家,我们的工作是弄清事实。在进行这种分析时,我们不得不做出主观的决定。所以即使我们使用确凿的事实和数据,数据科学也有很强的解释性。
在这篇文章中,我想指出五种最常见的认知偏差。我还提供了一