百家乐,百家乐官方网站,百家乐APP下载,百家乐游戏平台,百家乐网址,百家乐试玩,百家乐的玩法,百家乐技巧,百家乐公式,百家乐打法,百家乐电子,21点,德州扑克,快三,pk10,时时彩,北京赛车

　　就算是华尔街精英们，股市的动荡往往也会被某个突发的、名词相关的，但是不相干的事件所影响。量化投资在国外是多么成熟的应用了，都还会出这种问题，就何况其它领域呢？未来是很难预测的，但是如果短期的趋势预测，还是有可能呢！比如说，居于你的历史数据，还是能够对你这个人大概的模型进行刻画的，淘宝的千人千面就是这样玩的。一个新生母亲，往往逛的都是婴儿相关的。像我这样一个钓鱼翁，给我推荐钓鱼相关的东西，即便我不需要，也难免有时候会忍不住剁手。这样来理解一种预测你下一步的购物行为，我觉得是可以做到的！

　　但是，比如说，居于某些数据，预测比较长远的事情，真的蛮不靠谱的，不过是忽悠投资人的说辞罢了！

　　关于预测其实是这样的？如果预测的结果只有两种答案，那么我预测任何一种情况的可能性都有50%的正确性，比如明天下雨和不下雨这件事情。可是如果我地处印度北方，又逢夏季，那么我预测明天下雨的正确性就会增加到70%甚至更高，因为我知道每年夏天北印度洋季风环流总是会给喜马拉雅南麓带来充沛的降雨，无一例外。预测这件事情只和一件事情有关，那就是你对这个事情了解的程度。大数据丰富了我们观察事物的角度，有助于我们从细节和更多维度了解世界，所以的确是可以帮助我们更好的预测的一些事情。从这个意义上，不是有了大数据我们才可以预测，而是有了大数据，我们可以做更准确的预测。我不知道你所说的未来具体是指什么？这个范围太大，你需要划个界，否则讨论毫无意义。

　　如果数据源客观真实噪音小，数据的各特征、系统中的各主体耦合度小，预测模型鲁棒性好，模型对后续数据影响小（反例：谷歌利用搜索数据预测流感，这一举动引理很多媒体对该问题的关注，从而制造更多“流感搜索”数据，制造更多annoying noise），时间序列i.i.d/平稳/趋势项可用简单函数拟合，也许目标事件被准确预测的概率会很大。

　　问题是，以上限制条件实在太过理想化，现实世界太多不确定性，维护一个模型准确稳定的预测性能实在有点让人脑阔痛。