数据驱动模型和经验模型之间有什么区别？

Question

是一样的吗？经验模型，根据维基百科，包括

任何一种(计算机)模型的基础上的经验观察，而不是建立在数学上描述的关系系统建模。

但是，由于数据驱动的模型也是基于观测的，那么有什么区别呢？

Answer 1

它们是一样的，但重要的是你要理解统计学学派和数据挖掘思想学派在过程中的差异。在数据挖掘中，我们计算和近似关系，其中一些关系是确定的，并有精确的计算。显然，精确计算总比近似关系要好。

金融领域的一个例子是:债券价格有精确的计算--它们遵循一定的关系。这些只是贴现的现金流。其他类型的证券可能需要推断，因为绝对关系是未知的，可能是因为现金流量或利率是未知的。

基于证据或观察的经验手段。你在测试什么。每一次模拟都有可能生成数据--这在遗传模型中是常见的--这在现实生活中是无法观察到的。在这种情况下，您的数据驱动模型将不是经验模型。

em·pir·i·cal /əmˈpirik(ə)l/声形容词，以观察或经验而非理论或纯逻辑为基础、关注或验证。“他们提供了大量的经验证据来支持他们的论点”

数据挖掘与统计：

通常，在统计(与数据科学/数据挖掘相反)中，您要做的是先想出定义的数学模型，然后再进行经验性测试。如果这种关系在统计上是显著的，那么它是一个很好的模型。

在数据挖掘中，您首先查找推断出的关系，而没有方法对它们进行测试。

Answer 2

为了给Michael的回答添加一点背景:经验是一个更普遍的术语，它描述了一种基于观察/经验的科学方法，而不是理论。

经验方法存在很长时间，可以在许多不同的情况下使用，包括当过程是人工的，观察不是很正式的时候(例如心理学中的感觉)。

数据驱动是一个最近的术语，通常指机器学习(虽然不完全)，即使用一组正式的观察来构建感兴趣群体的表示(通常是通过自动化方法)。因此，数据驱动可以看作是经验方法的一种正式的，通常是自动的版本。