849663_zh-CN

liliconcom

全体会议：解释还是预测？

加利特·施穆埃利

台湾清华大学

统计建模是一种强大的工具，它通过因果解释、预测和描述来开发和检验理论。在许多学科中，统计建模几乎只用于因果解释，其假设是，解释力强的模型本身也具有较高的预测力。解释和预测之间的混淆很常见，但为了促进科学知识的进步和在实践中的正确使用，必须理解两者之间的区别。

理解解释性建模与预测性建模及评估之间的差异，对于评估数据集的信息质量（即其利用数据分析实现科学/实践目标的潜力）至关重要。虽然解释-预测的区别在科学哲学中已得到认可，但统计和数据挖掘文献缺乏对解释性建模与预测性建模过程中出现的诸多差异的深入讨论。在本演讲中，我将阐明解释性建模与预测性建模之间的区别，并揭示其在数据分析方面的实际意义。

参考文献： 《解释还是预测？》，作者：Galit Schmueli，《统计科学》2010 年第 25 卷第 3 期，289–310 页