推理(Inference)与预测(Prediction)

在机器学习的背景下，很多人似乎混淆了这两个术语。这篇文章将试图澄清我们所说的这两个词是什么意思，每一个词在哪里有用，以及它们是如何应用的。在这里，我将举几个例子来直观地理解两者之间的区别。

推理和预测这两个术语都描述了我们在监督下从数据中学习的任务，以便找到一个描述自变量和结果之间关系的模型。然而，当涉及到结果模型的使用时，推断和预测会出现分歧：

推理：使用模型了解数据生成过程。

预测：使用模型预测新数据点的结果。

推理(Inference)
你观察后院的草。它是湿的。你观察天空。天气多云。你推断已经下雨了。然后你打开电视看天气频道。天气多云，但有几天不下雨。你还记得几小时前你有洒水器的计时器。你推断这是草湿的原因。

另外一个例子：想象你在晚上盯着一个离你有点远的角落里的物体。离你越来越近…你会发现物体正盯着你看。当距离更近的时候可以看到动物的眼睛、皮毛、腿和其他特征。你推断那是只猫。一个简单的大脑程序，对吗？你觉得这件事微不足道，甚至讨论它都很愚蠢。当然，你可以认出一只猫，但事实上，这是一种推理。

假设猫有眼睛、毛发、形状等特征，当你靠近它时，你会给这些变量分配不同的值。例如，最初，eyes变量设置为0，因为您看不到它们。当你走近时，你对你所观察到的东西更加确定。你的大脑接受这些观察结果，并把它们转换成目标是猫的可能性。假设我们有一个catness变量，它表示对象是猫的可能性。最初，这个变量可能接近于零。当您靠近对象时，Catness会增加。推理发生了，并更新了你对物体属性的确认程度。

预测(Prediction)
现在我们来谈谈预测。你观察天空。天气多云。你预测会下雨。你从新闻里听说尽管有云，下雨的可能性很小。你修正了你的预测，很可能不会下雨。

根据人类的日常活动或日常活动模式来理解人类的行为，需要推断控制其行为动态的潜在变量。关于未来人们会在哪里的知识就是预测。然而，如果我们没有推断出人类活动的关系和动态，就无法做出预测。

本质上，推理和预测回答了不同的问题。预测可以是一个简单的猜测，或者更确切地说是基于一些证据、数据或特征的有根据的猜测。这个推论是关于理解你所能得到的事实。它是关于利用你所能得到的信息来理解世界上正在发生的事情。

总结
预测是解释将要发生的事情，而推理是关于已经发生的事情。

简言之，关键是给定一些随机变量（X1，X2…Xn）或特征，如果你对估计某物（Y）感兴趣，那么这就是预测。如果你想了解（Y）如何随着随机变量的变化而变化，那么这就是推理。

作者Alexandros Zenonos

deephub翻译组
————————————————
版权声明：本文为CSDN博主「deephub」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/deephub/article/details/108302562

标签：deephub,Inference,变量,下雨,Prediction,推断,推理,预测
来源： https://www.cnblogs.com/ExMan/p/16378602.html