为何大数据预测对于奥斯卡来说不靠谱?
对于奖赛结果的预测,似乎已经成为了大众参与各类奖赛的方式之一。不管是世界杯、超级碗,还是总统选举,人们很喜欢搞个预测来自娱自乐。预测形式很多,包括人肉、章鱼、乌龟、大数据、人工智能等等,不管是数据专家、赌徒或是粉丝都乐于参与其中。
但在众多预测当中,又数奥斯卡的预测最难,最难以言中,为何你永远预测不到奥斯卡的结果?#蒙对不算#
在奥斯卡颁奖几天前,微软研究院经济学家戴维·罗思柴尔德也在他和他的团队开设的“聪明预测(PredictWise)”网站上公布了大数据预测结果,预测了本届奥斯卡最佳电影、最佳导演、最佳男女主角,以及最佳男女配角这些重头奖项的获奖者。在去年,这套系统全部24个奖项准确预测了其中20个。
罗思柴尔德使用的分析预测模型基于博彩市场、好莱坞证券交易所的大量数据建立,其预测结果会随着时间和数据的变化而更新。
但据Business Insider报道,数据分析预测网站538(FiveThirtyEight)生活方式主文案Walt Hickey透露,用来预测总统选举、体育赛事和国家经济的方法不能够用来预测奥斯卡,因为奥斯卡本身几乎是没有任何数据的。#没有数据,要怎么大数据#
奥斯卡的奖项产生是由6600名电影艺术和科学学会成员组成的匿名团体投票产生的,对这个团体建立数学模型进行奥斯卡评选结果预测向来不被看好,而测算全球影迷喜好与投票人以及提名影片的关联度也难度颇高。与业内权威人士观点相比,大数据的胜算貌似不大。
“你想要做民调或者调出以前的数据......但这些对于奥斯卡来说,压根就不存在。你想像下,学院(美国电影艺术与科学学院,该学院为奥斯卡评奖)里有6000多人,我们不知道他们都是谁,他们是被刻意匿名的,他们都不爱说话,我们也没有办法直接问他们‘对奥斯卡你怎么看’”,Walt Hickey补充道。
正是因为缺少具体数据,因此很难建立一个确定的预测模型,538网站为此次奥斯卡使用了一个基本模型并推荐了8种成熟的预测模型,供感兴趣的玩家参与预测。
“我们并不想管那个模型叫做奥斯卡奖项预测模型,因为我们网站也对此持怀疑态度,”Hickey表示。这个模型是“完全一成不变的。”
“我们之所以一直使用不变的模型,因为那些都是最基本、最简单的模型,”他说道。“它是最简洁最朴素的模型,对于任何比赛都采用相同的预测方法。”
本文转自d1net(转载)
云计算 将“不靠谱”的互联网变得“靠谱” 本文揭秘了云计算将“不靠谱”的互联网变得“靠谱”的“魔法”,并且提出了未来互联网也将像数据中心和广域网一样被软件定义的观点。
云计算将” 不靠谱”的互联网变得” 靠谱” 本文揭秘了云计算将”不靠谱”的互联网变得”靠谱”的“魔法”,并且提出了未来互联网也将像数据中心和广域网一样被软件定义的观点。
机器学习正遭遇“可重复性危机”,或已成“炼金术”? 机器学习以其特有的优势逐渐在科学研究中得到大量应用,然而,其内在的“黑箱”特点也带来了一系列问题,有研究者认为正是机器学习的这种不可解释性导致了当下科学研究的“可重复性危机”——如果科学不可重复,那么我们还能称之为真正的科学吗?与此同时,更有研究者声称机器学习已经成为一种“炼金术”。
Watson出现误诊遭质疑,智能医疗到底靠不靠谱 智能医疗是什么?简单说,它是一个医疗信息平台,通过最先进的物联网技术与数据分析,完成患者与医务人员、医疗机构、医疗设备以及之间的互动,最后逐步实现信息化。至于其终极目的,则是为了提高医疗机构的运营效率,降低医疗成本。
注水、占坑、瞎掰:起底机器学习学术圈的那些“伪科学” 一边是今年的NIPS迎来了创纪录的8000多篇投稿,一边是李飞飞、Keras框架的作者François Chollet等大佬摊手承认,机器学习发展已进入瓶颈期。
相关文章
- GEE——美国本土土地变化监测、评估和预测 (LCMAP) v1.1数据集案例展示和分析
- Google Earth Engine(GEE)——如何将影像的数据通过计算添加到矢量属性当中?
- Google Earth Engine——全球土壤含数量数据:6个标准深度(0、10、30、60、100和200厘米)以250米的分辨率预测的33kPa和1500kPa吸力的土壤含水量(体积百分比)。
- Google Earth Engine——250米处美国农业部土壤分类的预测数据集
- Google Earth Engine——NCEP/NCAR再分析项目是美国国家环境预测中心(NCEP,前身为 “NMC“)和美国国家大气研究中心(NCAR)地表降水数据
- Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的含砂量数据,预测平均值和标准偏差
- Google Earth Engine ——2001-2017年使用坡度、化学和物理土壤特性得出的土壤肥力能力分类,预测平均值和标准偏差数据集
- 从实验角度来验证混沌数据可以被预测吗?
- 说话要小心!苹果与第三方公司共享Siri语音数据!
- 高考估分太头疼?大数据算法或成预测成绩新方式
- 《 营销数据科学: 用R和Python进行预测分析的建模技术》——导读
- DataHub: 现代数据栈的元数据平台--如何将自定义的元数据事件发送到DataHub
- 【Python】AI 数据预测 tensorflow
- 《Python机器学习——预测分析核心算法》——2.3 对“岩石vs.水雷”数据集属性的可视化展示
- 数言Digitale想用大数据,为酒店做预测分析
- 《数据科学R语言实践:面向计算推理与问题求解的案例研究法》一一第1章 基于室内定位系统的位置预测
- Kettle大数据清洗实战之三:连接操作MySQL
- 简化数据存储技术并不简单
- 大数据开发 NLP文本相似度
- 着眼大数据 预测未来趋势
- 大数据加速渗透医疗行业 医疗护理将显著受益
- 2017年预测大型数据泄露事故将不可避免
- 预测丨2016年大数据将从5方面指导市场营销
- 黑客组织利用El Machete窃取全球政府超过100G数据
- Thinkphp5.0 的使用模型Model更新数据