统计观测自画像VS实际规律自画像：数据建构（2）

目录

1、吧啦吧啦

2、一张决策设计图

3、建构数据

4、统计观测自画像

5、实际规律自画像

6、如何检测你用的方法是否准确

---

想到很多标题，如：

                    建构数据(2)：让决策科学化

                    建构数据(2)：思维规律的外显

                    建构数据(2)：统计规律可信度的测量方法

                    建构数据(2)：id3算法让你火眼金睛

                    ……

今天主要展示一个有趣的现象，如题。

1、吧啦吧啦

数据结构树、图的新型应用。

数据建构方法只是一种中介性工具，行业、领域、业务知识是内核。

方法的应用对你是有要求的：你要懂得数据的内在规律、客观规律。

正向应用场景：

如果你是师傅，在传授一个工艺流程时，可能将几十年缩短为几年；

如果你是老师，一段代码输出的结果，可将原理、算法中的必要过程清晰表达，避免知识背景、情感心态、个人认知带来的信息丢失；

如果你是研究者，建构数据的灵活运用让你如虎添翼；

如果你是管理者，当你定义一个岗位职责时，可以通过建构数据建立岗位模型，精确定义岗位逻辑，精确统一思路。

……

反思：

在上述场景中的大多是实干型角色，对一些偏艺术、偏智慧角色来说更多的是需要来自心性上的打磨，建议适当了解，不必过多依赖。

2、一张决策设计图

如果从现实场景出发任意定义一种逻辑流程，这是一件比较考验我想象力和创造力的事，那么，就直接以模型的形式给出好了。

决策模型结构：

这个决策模型能不能成为模型，取决于实际生活中有没有这样的思维或逻辑流程。当然，我这里只是一种设计图，可能有意义，可能没有实际意义，不过这么没关系，因为这只是“渔”。

圆角矩形是决策节点，A、B、C、D、E代表具有某种内在关联的决策依据。圆是叶子节点，代表决策结果：Y表示决策成立，或某种概念成立，或某种类别成立，N表示不成立。

这个模型整体含义是：一个决策（或者说是判定）取决于依据A、B、C、D、E（或者说是状态、特征、属性等，它们对于决策成立的影响有范围、比重的区别），它们不同的值的组合（一条因果链、判断链上的路径）共同决定决策结果。

3、建构数据

从决策模型得出，各特征取值如下：

决策路径的符号描述：

Decision=(Reasons,Actions)

Reasons=(A,B,C,D,E)

Actions=(‘yes’,’no’)

A=(0,1,2)

B=(5,6,7,8)

C=(9,10,11)

D=(12,13)

E=(3,4)

具体决策路径：

d1=(A=0,E=3,B=6,’no’)

d2=(A=0,E=3,B=7,’yes’)

d3=(A=0,E=4,’yes’)

d4=(A=1,C=10,B=5,’no’)

d5=(A=1,C=10,B=8,’yes’)

d6=(A=1,C=9,’yes’)

d7=(A=1,C=11,’no’)

d8=(A=2,D=13,B=6,’yes’)

d9=(A=2,D=13,B=8,’no’)

d10=(A=2,D=12,’yes’)

数据生成原则：每个样本只能符合一条决策路径，该路径外的冗余特征将在内部随机取值。每个样本是唯一的。

数据生成方法有很多，可以先组合生成，再随机选取；也可以先随机选择路径，再取舍回溯。

这次只生成十个样本集（当然可以更多），每个样本集表现为三个文件：数据，决策树，决策代码。

4、统计观测自画像

第一组数据来自datapro0，我们不妨来详细分析一下：

首先看各个样本（注意，样本是一个从外部观察的概念）所属的决策路径：

d1=(A=0,E=3,B=6,’no’)

d2=(A=0,E=3,B=7,’yes’)

d3=(A=0,E=4,’yes’)

d4=(A=1,C=10,B=5,’no’)

d5=(A=1,C=10,B=8,’yes’)

d6=(A=1,C=9,’yes’)

d7=(A=1,C=11,’no’)

d8=(A=2,D=13,B=6,’yes’)

d9=(A=2,D=13,B=8,’no’)

d10=(A=2,D=12,’yes’)

（很为你着想吧）

datapro0样本集决策树：

是不是和最初设计的决策树很不一样？这是为什么呢？

原因很简单：

id3一种统计观测型算法，是一种通过外在观察得出的分类模式；

id3处理的方式是以“列”为单位，即只通过每个特征取值的分布情况来建立一种分类模式，从而忽略特征与特征之间的内在逻辑与关联；

那也许你就要问，这里才24个样本，要完整得到当初设计的决策树，必须要完整样本集：也就是所有路径的所有可能都要有。

想法很好，今晚就不去实验了，下次再整。不过，从id3的算法过程来看，特征B的取值是最多的，相当大的概率不会同意第一个判断对象是A。

将决策树生成决策代码，更能从逻辑上分析样本的内在规律与外在表现之间的区别，甚至有的’yes’与’no’根本无法从原始决策树的决策路径去理解。但是外在表现的数据样本硬是能得出一种全新的规律。

仿佛就是在说，内在规律和外在表现规律，你说你的，我说我的，但咱俩是等价的。

这实际上是一个极老套的问题：

内涵=外延

只不过，一阵观测统计之后，外延能够被逻辑化。

其他（第二次改版啦，修正了一些小瑕疵，但不影响观点）：

第二组

第三组

第四组

请欣赏（对于csdn能直接复制图片过来就可上传的功能点赞）：

5、实际规律自画像

这个小标题其实也可以叫做：千变万化不离其宗，看我本来面目。

6、如何检测你用的方法是否准确

直接通过数学方法来处理当然是好，可是，你也不妨先针对方法内建规律，再生成数据，最后用统计方法检测，判断。

如果效果较好，那么应用在实际场景中，效果也较好。