推理分析和预测分析之间的区别是什么？
目标
为了阐明什么特征或属性，我可以说分析是推论或预测的。
背景
选修一门涉及推理和预测分析的数据科学课程。解释(我所理解的)是
- 推理
从总体中的小样本中归纳出一个假设，并看到它在更大/整个总体中是正确的。
在我看来，这是一种泛化。我认为吸烟导致肺癌或CO2导致全球变暖都是推论。
通过测量对象的变量，归纳出可能发生的事情。
我认为，找出人们喜欢的特征、行为和言论，并让一位总统候选人受欢迎，成为总统，这是一种预测性分析(本课程也涉及到这一点)。
问题
我对这两者有点困惑，因为在我看来，这是一个灰色区域或重叠。
Bayesian Inference是“推理”，但我认为它用于预测，例如在垃圾邮件过滤器或欺诈性金融交易识别中。例如，银行可以使用先前对变量(如IP地址、发起人国家/地区、受益者帐户类型等)的观察结果来预测交易是否具有欺诈性。
我认为theory of relativity是一种推理分析，它从观察和思维实验中归纳出一个理论/假设，但它也预测了光的方向将会弯曲。
请帮助我理解什么是必须具有的属性，才能将分析归类为推断或预测。
回答 1
Stack Overflow用户
发布于 2015-12-27 03:47:16
两者之间有一些灰色地带，但我们仍然可以区分。
推断统计是当你试图理解是什么导致了特定的结果时。在这样的分析中，有一个特定的关注点在自变量上，你想要确保你有一个可解释的模型。例如，你关于吸烟是否会导致肺癌的研究是推论的。在这里，你正试图仔细研究导致肺癌的因素，而吸烟恰好是其中之一。
在预测分析中，您更感兴趣的是使用特定的数据集来帮助您预测结果变量的值的未来变化。在这里，您可以使您的模型尽可能复杂，以至于只要它完成了工作，它就无法解释。一个更简单的例子是，一家房地产投资公司感兴趣的是，它希望确定哪种变量组合预测某处房产的最高价格，这样它就可以获得利润。潜在的预测因素可能是邻里收入、犯罪、教育程度、到海滩的距离和种族构成。这里的主要目标是获得这些变量的最佳组合，以提供对未来房价的更好预测。
这就是它变得模糊的地方。比方说，你对中年男性进行了一项研究，以确定心脏病的风险。要做到这一点，你需要测量体重、身高、种族、收入、婚姻状况、胆固醇、受教育程度，以及一种名为"mx34“(编造的)的潜在血清化学物质。假设你发现这种化学物质确实是心脏病的一个很好的风险因素。你现在已经达到了你的推理目标。然而，你对自己的新发现感到满意，并开始怀疑是否可以使用这些变量来预测谁有可能患心脏病。你想这样做，这样你就可以建议预防措施，以防止未来的心脏病。
https://stackoverflow.com/questions/34469597
复制相似问题