相关性与因果性

Objective (客观描述事实)

Facts, Data, Senses

• "多边形的故事"bug全部调试完毕,并对部分英文内容进行重新翻译
• 发现断点调试可以加判断条件
• 初步了解环信的使用方法
• 从How to Think Straight about Psychology一书中读到一个关于大数据的错误使用的案例

Reflective (主观描述感想)

Reactions, Heart, Feelings

• 在给"多边形的故事"进行整体文字校正的过程中,发现原网页上的中文版的翻译真的是太烂了,于是决定自己对部分内容进行重新翻译,在翻译的过程中,发现两点问题,第一,中文版的内容不仅仅是太烂了,而是烂爆了,甚至让人误解了原Idea作者的意图,第二,在进一步的翻译过程中,我也才发现,就连我自己都没有完全理解这个Idea的另一层用意....唉....光顾着看动画了.....另外,我将多边形的故事真实改名为"多边形的寓言"
• 在这两天的Debug过程中,真心觉得Debug功力有不小的增长,包括发现断点可以加条件以后,欣喜若狂,不再需要,为了一个拿到for-in循环里的某一个异常而去手动的一层一层的看了,哈哈
• 从书中读到的案例是这样的,在过去的某一个时期,有一些学者在台湾进行一项关于解决意外怀孕,加强避孕措施使用度的研究,经过大量的数据调研后,发现一个与避孕措施使用程度相关度非常大的一个变量,就是家庭电子产品的数量,尤其比如面包机什么的...于是,他们就得出一个结论来,需要政府采取措施,如免费发放面包机等措施来增加家庭点子产品数量,从而达到生育控制的效果.说到这里,我相信不少人就能很明显的反应过来,这不是扯么?对的,这里就要提到两个名词Correlation和Causation,相关性与因果性.文中做了很多阐释,我也只是看了开头,但大概的意思是,无论两件事的相关性再怎么强,如果你不弄清除其中的因果关系,就拿出来使用,会酿成打错.比如这个例子,可能这两个变量之间还有第三个变量,或者第四个变量什么的,导致他们看起来相关度很强,其实可能从因果关系上追本溯源,其距离相去甚远.

Interpretative (分析寻找意义何在)

So What?

• 因果性与关联性应该还可以运用的更广,比如我经常会说,你这样做,就一定会得到那样的结果,但目前来看,每当我们说这句话的时候,就应该考虑考虑,这里面是否有什么因果错误了

Decision (决定下一步的行动)

Now What?

• 上线_上线上线~