大数据预测思维方法，相关性并不意味着因果关系

时至今日，关于西方传来的一些哲学思想，不断地占据人们的思维空间，比如墨菲定律，比如二八定律，还有著名的蝴蝶效应。

蝴蝶效应，通俗浅白形象来说，就是北半球一种蝴蝶展翅飞翔，很可能引起了南半球的一场风暴。

随着大数据的兴起，人们发现有些风马牛不相及的事情，却有很强的关联性，或者叫做相关性。

大数据的意义在于从海量的数据里寻找出一定的相关性，然后推演出行为方式的可能性。在大数据时代，随着存储和计算能力在不断提高，能够被数据化的东西也越来越多，所以利用统计学研究各种数据之间的相关关系，研究非相关数据之间的相关性就是相关性分析。这最终可以成为我们决策的依据，大大提升我们的管理效率或者处理事情的能力，也极大地颠覆我们原来的思维。

虽然他们没有因果关系，例如随着甲的出现，必然会导致乙的出现。

根据引力的计算，月圆月缺和潮起潮落，其实没有太强的因果关系，月球的引力不足以在地球的海面掀起如此的巨浪，但是他们是紧密相关的。

几千年都是遵循这样的相关性。比如月相规律和女性的月经的关系，都不是一种强关联性，几乎没有因果关系。

还有本文起初提到的蝴蝶效应，其实这本质上就是一种相关性，但是并不是因果关系，很显然从物理学力学都说不通。

还有中医的脉诊，很多人以为这是一个脏腑的反应，其实真的搞错了，这本质就是一种镜像反射，中医把脉所取都在手太阴肺经上，何来直接对应五脏六腑之说？

就是一种取象，取他们的相关性。

有一个很精妙的比喻，相关性就像一个人照镜子，镜子里的人和你的动作一模一样，但是你和镜子里的人，没有半毛钱关系，开枪对着镜子里的人打，你却毫发无伤。

相关性，并不意味着因果，但是可以看到一种趋势，一个结果，就照镜子，开枪把镜子打碎了，人也没事，但是看得清清楚楚，如此而已。

TwitterHealth是纽约罗彻斯特大学发起的一个研究项目，可以通过分析用户的Twitter微博内容来预测用户会不会感冒。注意，他们仅仅分析微博内容！

这一项目原来只是给研究人员用作数据挖掘和机器学习系统用的，后来开发出了这一功能。罗彻斯特大学计算机科学系主任Henry Kautz说：“TwitterHealth是一个专门研究分析不同地理位置信息的项目，比如智能手机的GPS信息。”

Kautz说：“我们发现越来越多的社交媒体开始加入地理位置定位这一功能，人们在发Twitter微博的时候就会顺带上自己的地理位置信息。我们的研究小组就从网站上下载并研究此类信息。”

Kautz的学生建立起一个计算机网络，专门用来下载地理位置坐标为大城市的Twitter微博。然后他们开始从海量的大数据资源中挑选可用数据。

“我们发现，人们经常在Twitter微博中提到自己的健康状况。比如说‘我流鼻子了’、‘我感冒了’、‘我感觉不舒服’等。我们就设想，是否可以根据这些词句来跟踪季节性流感？”

于是研究团队开始拙手写机器学习算法，在几百条实验微博中挑选“感冒微博”。

最后团队的算法在挑选“感冒微博”时已经可以达到99%的准确率，几乎与人脑分析文本一致，而且“感冒”分析速度要快于美国本土最大的疾病控制中心。

“从大数据中，我们可以发现季节性流感的分布和传播，我们测量和预测的精度完全不输疾病控制中心。”Kautz说道。

从这个案例来讲，发微博和感冒完全没有因果关系，但是能够分析出来人群和个体的疾病特征，甚至连宏观的流行性疾病趋势分布图，都一清二楚。

从这点上看，科学越来越接近玄学了。

欢迎关注隐士申子源更多文章，与你分析碰撞思维火花！