游戏夜读 | 预测问题的硬核是？

知识储备少的一个可能的好处是“不落窠臼”，大白话就是：套路少。



为什么能套路少？主要是因为懂得套路少。换句话说：大部分的知识都基于范式。学的多了，会发现教书先生的观点各有不同，然而教材里的内容是相似的。那还要继续学习吗？不耽误。想学就继续，套路虽然俗气，但认识的过程里也会有些乐趣。不想学也不错，守着有限的认识，过日子或者哲思。都很美好。



这些跟预测有什么关系呢？预测是有方法的，熟练掌握某种或某些方法后，就容易丧降低“空想”的意愿，养成一些依着套路走的习惯。这样对预测并不利。



太阳底下没有新鲜事。目之所及，预测问题都是常见场景。非典型的预测，则被称为冒险。尤其是量化预测领域。统计学家也费尽苦心，建立假设和约束条件，又寻求条件的放宽、转换，甚至废弃一组方法，重装出另一套方法，生生不息。



正统的方法自然有一大堆理论证明，还是聊一场朴素自然地随心畅想。



测一测玩哪个游戏



之前搜集过一份电竞职业选手的年龄样本，具体涉及到144位电竞职业选手的出生日期。基于这份数据，是不是能解决一些个相关的预测问题呢？比如：根据某人的出生日期，预测该人玩的哪个游戏。这个预测问题一抛出来，即使是一个对预测方法完全不懂的人，可以想的方面和方向就不少。这的确是一个很有意思的问题。



出生日期跟玩哪个游戏，有关系吗？怎么看有没有关系？如果有，是不是就承认了属相、星座哪一套说法？如果没有，是不是就是尊重客观事实？这样一想，两者应该是没有关系的。但还是可以主观上假设有，然后继续讨论。



如果有关系，那是前者影响了后者，还是后者影响了前者？是有因果关系，还是其他什么复杂的关系？因为本来就是假设的，所以不好具体讨论下去，于是就再假设一番。比方说，两者可能是一种同时出现或者不出现的关系，不一定是线性的，应该是一种概率问题，接着故事从啤酒和尿布开始了。再比分说，两者可能是一种类规则的关系，就是能设计一个机器猫，能准确预测出答案来的那种。



同一天生日的那些家伙，在预测问题里可能是个麻烦了。同年同月同日生，但玩着不一样的游戏，这种情况该怎么处理？简单粗暴的剔除即可。于心不忍的话，那就放到测试集里。实际上，有些同一天出生的职业选手玩的是一款游戏，有些个是玩着不同的游戏，所以等预测方法想出来了，拿那几天测试一下，应该会很好玩。



异常值不仅仅是表面上的异常，可能是数据处理过程带来的。比方说，144个样本中，其中有一份显示是1994年1月1日出生的职业选手，但是实际上，当初只是拿到了1994年这个年份数据，在处理过程中自动补全成了1月1日。不知道影响大不大？如果有影响的话，对最后的预测结果到底有多大的影响？



就算预测结果出来了，还是放心不下。是只有一个结果，还是有多个呢？每个结果可靠吗？可不可靠怎么比较呢？可不能像人民公园里面相亲的那样走马观花了。



预测NBA球员的第一次伤情



还有一种预测问题也很有意思，就是成功预言第一次出现。这类问题跟冒险的区别在于，冒险问题是没有类似的历史信息可以参考，包括自身时间序列、普世的横截面等，但NBA球员的伤情不是一个陌生的话题。



虽然，NBA球员的伤情很常见，但是，针对某个具体的球员，尤其是他/她还从来没有被报道过伤停，那怎么预测该名球员第一次受伤事件在什么时候发生呢？



文/良宵听雨。授权“游戏夜读”发表。