浏览科技新闻或浏览行业报告时,通常都会看到与“大数据”有关的内容,这个术语用来描述公司、政府组织和学术机构可以用来做任何事情的大量信息。问题是,“大数据”这个词太模糊了,几乎没有一个具体的定义。
虽然它没有明确的定义,但我们可以根据我们的目的将其定义为:使用大型数据集来改进公司和组织的工作方式。
也许大数据不够大,无法覆盖足够多具有类似领域动态的历史疫情。为了能够预测一些东西,需要一个模型,在这种情况下,可能需要一些特殊的技术来过滤大量的数据,以允许某种机器学习算法来构建模型或根据过去的数据得出未来的结论。
谢谢你的评论,Martti!你提出了一些很好的观点。就谷歌的努力而言,他们的数据过滤技术显然受到了他们组织的偏见的影响。
当干预前模型本身影响干预时,用干预后的流行病过程来评价干预前模型是错误的。
谢谢你的评论,斯蒂芬。你指的是疫情爆发时使用的埃博拉模型吗?这些模式可能影响了疫情的发展过程,但在实际情况发生变化时也缺乏灵活性。
显示所有4评论