左dazzle 右维密

不，你会！而且从小学开始解一元一次方程就会！

曾经我也以为建模很难，但其实我们都接触过，建模这个概念不难理解，但是如何用模型来解释、预测客观世界的复杂难题就另说了。

建模就是建立数学模型（modeling) 简单理解呢就是小学应用题列方程/公式的过程，把客观抽象为符号表述。我们看下面计算基础代谢率的例子，基础代谢率可以简化理解成如下：

y=ax1 bx2 cx3 d 的函数

其中：y是要计算的基础代谢率，是因变量（dependent variable)

x1、x2、x3是自变量（independent variable/argument)，分别代表 体重、身高、年龄

a、b、c是系数（parameter）a=9.6说明体重每涨一公斤，基础代谢率上升9.6

d是常数项

在我研究生上的统计建模课上，我们组最后的final project作用应用了课上学的因子、聚类、决策树模型和逻辑回归模型，选题是预测休克概率。

我记得因变量有各种血压、血糖等医学指标，分析和后面的presentation做的还满好的，得到了老师的邮件表扬。

刚刚讲到了建模、参数、因变量、自变量等基本概念，现在讲讲什么才是一个好的模型呢？

我们本文的技术顾问小斐如是说：

理解好问题，找到合适的方法，有些固定的场景 比如推荐，那就主要是算法里面的问题，要最优和计算效率，还有数据 一定要有充分的数据 才能做好模型！数据决定模型的上限，算法决定模型的下限。

我们来理解一下，除了数据，其实我觉得建模也是很需要想象力和敏感度的，比如去做假设，基础代谢率是不是还跟其他变量有关：头发长短、手指长度、眼睛大小等等（别怀疑，我在一本正经的胡说八道，举个例子）所以模型也是要不断迭代跟进才能更好的拟合已有数据（训练数据）和做预测的~

为什么数据建模师会戏称自己会调参侠呢？

因为模型需要迭代，通过训练数据调整模型参数，使模型对于数据的拟合程度提高~

通过这个案例，可以看出模型的作用有：

• 抽象简化：有一些现实中的过程，比较复杂，难以理解或预测。我们设法对其做一些简化，抽象成一个数学能够处理的模型，比如基础代谢率的计算。
• 描述/预测：抽象成模型后，处理这个模型可以进行预测，或者对已有的现象提出机理上的解释。模型会帮助解释一个系统，研究不同组成部分的影响，以及对行为做出预测。

好模型不一定很复杂，根据奥卡姆剃刀原理，相同解释度的情况下，选择越简单的模型越好。

03 是不是只有数学模型啊？怎么老板让我做各种看不懂的英文字母的模型分析啊！！

不得不说模型这个词有被滥用的趋势，不是整几个英文单词，弄个缩写就可以叫做模型的，Sxxx Bxxx 不能叫SB模型，SB最多是个缩写。

但是在社会科学中，确实有商业分析模型、认知模型和思维模型等等，回归定义，建模的本质在于抽象，即将你关注的事物的特点提取出来，构造出一个想象中的事物去解释或者预测客观事物，这个事物也就称作模型。

以行业模型分析为例，框架可以简单理解为模型的集合。

题图制作：偶尔动脑公众号

我觉得模型的使用不能僵化，否侧就会造成你有把锤子看什么都是钉子的感觉，还是要从问题出发，灵活应用方法模型的，如果你能直接问到某个公司的研发收入，何必再用各种财务模型等来推算呢？

我觉得模型/框架最大的作用就是可以不重不漏的来收集信息，对行业各个属性进行描点了，做好了这一步最多完成60分，后续的连线建立联系、画面总结共性才是真正考验功力的。

题图制作：偶尔动脑公众号

今天下午朋友组局我玩了人生第二场德州扑克，真是个好玩的游戏，虽然我最后输的精光还和”银行”贷款，但是“花钱”买到的教训还蛮多~德州的输赢可以简化为以下的函数

f (手中的牌、已经翻的牌、还没翻的牌、对手的牌性、对手的牌、bluffing吹嘘的能力，别人对你吹嘘的信任度、座位位置…..)

每一局的影响因素都不一样，这就是德州吸引我的地方。

免责说明：虽然我研究生学的是统计专业，但是我半路出家、学艺不精、荒废多年。

本文由@iris 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议