IQSymp..2010 - Adatbányász hibák

Megvolt az idei IQSymposium is. Bevallom férfiasan, a tavalyihoz képest az ideit sokkal sikerültebbnek tartom. Elsősorban a délelötti plenáris előadások ütöttek/szóltak nagyot, az én érzékelésemben. Ami persze nem jelenti azt, hogy csomó minden elhangzottal ne lehetne vitatkozni, vagy bővebben foglalkozni. Az nem kérdés, sok izgalmas téma került elő, jó lenne majd a későbbiekben pár dolgot itt is elővenni, nem tudom mire lesz időm, erőm, kedvem.

Érdekes indikátor volt a humor, ami alatt azt értem - a fentiekkel némileg korrelálóan - hogy a délelötti előadásokon sokkal többször nevettették meg az előadók a többszáz fős (>500) hallgatóságot, mint a délutániakon (legalábbis ahol én voltam).

Egy üdítő kivétel mindenképpen volt, amikor Fehár Tamás mesélt délutáni előadásában az általa is írt "Üzleti haszon az adatok mélyén" könyvről. Tamás mesélt egy anekdotát, hogyan nem szabad dolgoznia az adatbányásznak, ha nem akar lépremenni. ->

Adott egy síparadicsom, ahol természetesen van egy kórházszerűség, ott látják el a sielésben megsérülteket. A "kieső betegágyi napok csökkentése" projekt keretében meg lehetett figyelni, hogy a kisebb csak kéz (vagy csak láb)-sérülésekhez relevánsan hosszabb kórházi kezelést igényeltek általában, míg a súlyosabb kéz és láb-sérülések éppen hogy fordítva sokkal gyorsabban gyógyultak.

Azonnal adódik a "zseniális" gondolat, a betegeknek, akiknek csak kéz- vagy csak láb-sérüléseik vannak, el kell törni az egészséges végtagjaikat is, a gyorsabb gyógyulás érdekében. ;)

Persze megvolt a magyarázata a történteknek, az idősebbek eleve óvatosabban sieltek, nem szenvedtek látványos nagy sérüléseket, viszont sokkal lassabban gyógyultak ezek a sérülések. Míg a fiatalok, sokkal nagyobb kockázatokat vállaltak sielések során, amiknek durvább baleset is volt sokszor a végkimenetele, de mivel fiatal szervezet szenvedte el, ezek a sérülések gyorsabban is gyógyultak.

Nagy vágyam, hogy Erdős Pál gondolatát - "Az égben Isten vezet egy Nagy Könyvet, amelyben minden matematikai probléma elegáns megoldása megtalálható" - adaptálva, és alkalmazva az adatbányászatra; összeszedni a legizgalmasabb, legnehezebb problémákat. Hasonlóan össze lehetne szedni katalógusba az adatbányászok által elkövethető hibákat. Nekem most az alábbi klasszikusok jutnak eszembe:

(1) Integer-kulcs bevonása a magyarázó változók közé /a poén az, hogy volt olyan adatbányász-verseny, ahol ez nyerő stratégia volt :o))))/

(2) Nem tökéletesen szétválasztott tanító-tesztelő-validáló adathalmazoknál, a célváltozó rejtett bevonása a magyarázó változók közé. Ez akkor tud "izgalmas lenni" ugye, amikor tanítás során kvázi tökéletesen müködik az adatbányász-modell, de a validálásnál csak nem jönnek az eredmények.

(3) Ok és okozat felcserélése.