В какой степени различие между корреляцией и причинностью имеет отношение к Google?

21

контекст

Популярный вопрос на этом сайте: « Каковы общие статистические грехи? ». Один из грехов упоминалось при условии , что «корреляция подразумевает причинно - следственную связь ...» ссылка

Затем в комментариях с 5 ответами предлагается: «Google зарабатывает 65 миллиардов долларов в год, не заботясь о разнице».

Риск чрезмерного анализа лёгкой шутки, я подумал, что это может быть полезным предметом обсуждения для уточнения различия между корреляцией и причинно-следственной связи и практической значимости различия; и, возможно, это могло бы выделить что-то о связи между машинным обучением и различием между корреляцией и причинностью.

Я предполагаю, что комментарий касается технологий, лежащих в основе генерации результатов поисковых систем, и технологий, связанных с показом рекламы.

Вопрос

  • В какой степени различие между корреляцией и причинно-следственной связью имеет отношение к получению дохода Google, возможно, уделяя особое внимание получению дохода с помощью технологий, связанных с показом рекламы, и качественным результатам поиска?
Джером англим
источник
Забавно, я смотрел на этот комментарий чуть раньше.
Итератор
2
На прошлой неделе в блоге Revolutions было сообщение о том, как Google использует R для повышения эффективности онлайн-рекламы . К сожалению, они не вдавались в подробности ...
Нико

Ответы:

13

Простой ответ заключается в том, что Google (или кто-либо еще) должен заботиться о различии в той степени, в которой они намерены вмешаться . Причинно-следственная информация говорит вам о последствиях вмешательств (действий) в данной области.

Если, например, Google желает повысить рейтинг кликов по объявлениям, увеличить количество пользователей GMail или Google+ или побудить пользователей использовать Google, а не Bing, им необходимо знать влияние потенциальных действий (например, увеличение размер шрифта рекламы, продвижение Google+ в печатных журналах или публикация различий между результатами поиска Google и Bing соответственно). Корреляция достаточно хороша, чтобы заставить поисковую систему Google работать хорошо, но для их других систем (и их бизнеса в целом) различие часто имеет значение.

Стоит отметить, что Google (и многие фирмы с веб-бизнесом) постоянно проводят онлайн-эксперименты. Это один из самых простых и лучших способов выявления и оценки причинных зависимостей.

Дэвид Дженсен
источник
(+1) до тех пор, пока предикторы а) коррелируют и б) позволяют правильно прогнозировать будущие результаты, не следует заботиться о причинности.
Штеффен
2
Мы вступаем в эпоху возрождения экспериментальных исследований в области поведенческих наук. В 1950-х годах почти вся статистика была экспериментальным исследованием с применением в сельском хозяйстве. Но примерно в 80-х годах люди осознали, что эти методы не очень помогают с данными наблюдений, и это все, что вы можете сделать в большинстве социальных наук. Теперь, по крайней мере, в нишах онлайн-маркетинговых исследований, если вы являетесь Amazon, Google или Bing, вы можете проводить эксперименты и получать наиболее чистую форму причинно-следственной связи.
StasK
@StasK, Учитывая размеры выборки, они, вероятно, имеют дело даже с «коротким» экспериментом, который, вероятно, даст очень полезные результаты. Какая это сокровищница!
Брэндон Бертельсен
Интересно отметить, что сервис Google по группам действительно очень плохой. Это похоже на то, что они создали средство группового обсуждения, которое коррелирует с тем, чтобы быть хорошим, но они не выяснили, что делает средство группового обсуждения хорошим. Но это распространенная проблема в маркетинге - слишком часто характеристики конкурирующих продуктов копируются без понимания основной мотивации этих функций.
Даниэль Р Хикс
1
@StasK: реальный мир, вероятно, не так идеален, как вы притворяетесь здесь. Я согласен, что эксперименты являются отличным инструментом для причинного вывода. Однако эксперименты также вызывают определенные проблемы. Иногда может быть лучше сделать причинно-следственные выводы с помощью наблюдательного исследования, чем с помощью эксперимента. Одна критика может заключаться в том, что результаты контролируемых экспериментов могут быть обобщены до «реальной жизни». Некоторые авторы называют это «внешней достоверностью».
6

Во-первых, это просто шутка и неверна. В Google много очень талантливых статистиков, экспертов по поиску информации, лингвистов, экономистов, некоторых психологов и других. Эти люди проводят много времени, обучая многих статистиков о разнице между корреляцией и причинно-следственной связью. Учитывая, что это большая организация, могут быть карманы, даже большие, невежества, но утверждение определенно неверно. Более того, большая часть этого образования стоит перед клиентами, особенно рекламодателями.

Более глубокий ответ: разница чрезвычайно важна. Просто посмотрите на ранжирование результатов поиска и позвольте мне выйти за рамки просто «корреляции», чтобы включить показатели сходства, функции оценки и т. Д. Некоторые страницы оцениваются как хорошие результаты для определенных запросов. У них есть различные функции предикторов, которые важны для их ранжирования. В отличие от этих хороших страниц, которые являются хорошими результатами для запросов, есть набор веб-страниц, которые являются страницами, которые являются очень плохими результатами для тех же самых запросов. Однако создатели этих страниц тратят много усилий, чтобы они выглядели как хорошие страницы с числовой точки зрения.такие как текстовые совпадения, интернет-ссылки и многое другое. Однако то, что эти страницы в числовом выражении «похожи» на хорошие страницы, не означает, что на самом деле это хорошие страницы. Поэтому Google вложил и будет продолжать прилагать много усилий, чтобы определить, какие разумные функции различают (разделяют) хорошие и плохие страницы.

Это не совсем корреляция и причинность, но это глубже, чем это. Хорошие страницы для определенных запросов могут отображаться в числовое пространство, где они кажутся похожими и отличными от многих нерелевантных или плохих страниц, но только то, что результаты находятся в той же области функционального пространства, не означает, что они получены из того же подмножества «высокого качества» в Интернете.

Более простой ответ: очень простая перспектива состоит в том, чтобы обратиться к ранжированию результатов. Лучший результат должен быть первым, но то, что что-то занимает первое место, не означает, что это лучший результат. По некоторым показателям оценки вы можете обнаружить, что рейтинг Google соотносится с золотым стандартом оценки качества, но это не означает, что их рейтинг подразумевает, что результаты действительно в таком порядке с точки зрения качества и релевантности.

Обновление (третий ответ): Со временем есть еще один аспект, который затрагивает всех нас: это то, что лучший результат Google может считаться авторитетным, потому что это лучший результат в Google. Хотя анализ ссылок (например, «PageRank» - один из методов анализа ссылок) - это попытка отразить предполагаемую авторитетность, со временем новые страницы по теме могут просто усилить эту структуру ссылок путем ссылки на лучший результат в Google. На более новой авторитетной странице возникла проблема с заголовком относительно первого результата. Поскольку Google хочет предоставить наиболее релевантную страницу в настоящее время , из-за неявного влияния корреляции на воспринимаемую причинность возникает множество факторов, в том числе так называемое явление «богатые - становятся богаче».

Обновление (четвертый ответ): я понял (для комментария ниже), что было бы полезно прочитать «Аллегорию пещеры» Платона, чтобы получить представление о том, как интерпретировать корреляцию и причинность в результате «размышлений / проекций» реальности и как мы (или наши машины) это воспринимаем. Корреляция, строго ограниченная корреляцией Пирсона, слишком ограничена как интерпретация проблемы недопонимания ассоциации (более широкой, чем просто корреляция) и причинности.

Итератор
источник
Я не согласен. Если кто-то использует предикторы для создания искусственного высокого ранга страницы, то цель подразумевает предикторы в противоположность тому, что Google намеревался при создании алгоритма ранга страницы. Поскольку истинная метрика остается неизменной («правильная страница», для которой рейтинг страниц является лишь приблизительным), предикторы теряют свою корреляцию и, следовательно, должны быть изменены. Следовательно, Google не заботится о причинно-следственной связи относительно истинной метрики «правильной страницы», но приближенной к метке Page-Rank.
Штеффен
Без обид, но вы, кажется, немного запутались в нескольких вопросах. «PageRank» является четко определенной концепцией и является лишь одним из предикторов. Основная проблема, которую вы пропускаете, - это производственный процесс, связанный с определением и созданием обучающего набора, а также с учетом ожиданий пользователей. К сожалению, комментарии - ужасное место, чтобы начать длинное введение в прикладное машинное обучение.
Итератор
Вы имеете в виду, что в процессе генерации и оценки предикторов экспертными знаниями генерируются только «причинно-следственные» предикторы? Если следовать такому процессу и не прибегать к методу проб и ошибок, вы правы, Google заботится;).
Штеффен
Вы совершенно правы. Проблема в том, что со временем становится очень трудно попытаться выявить предикторов, которые отражают причинность, когда есть противники, мешающие вам. Если у предиктора нет какого-либо причинного объяснения (потому что они редко бывают истинно причинными по своей природе), тогда трудно оправдать, когда злодеи развиваются и портят эту область предикторного пространства.
Итератор
2
@ Брэндон: Без шуток. Это лучше всего иллюстрируется, когда я пытаюсь найти последние события или предстоящие события. Все чаще и чаще мне приходится вводить текущий год или даже текущий ММ-ГГГГ (или выполнять расширенный поиск), чтобы получить соответствующие страницы. Это компромисс между структурой ссылок и свежестью, и Google делает это неправильно без дополнительной помощи от меня. Фактически, это привело меня к Bing несколько раз, просто из-за раздражения от попыток игнорировать старые страницы. То же самое относится и к SO: первые ответы часто вызывают больше голосов, чем более поздние, что может быть более правильным. :)
Итератор
5

Автор квипа здесь.

Этот комментарий был частично вдохновлен выступлением Дэвида Миса (в Google), где он сказал, и я перефразирую, компании по автострахованию не заботятся о том, чтобы быть мужчиной, приводило к большему количеству несчастных случаев, пока они связаны, они должны взимать больше. Фактически невозможно изменить чей-либо пол в эксперименте, поэтому причина никогда не может быть показана.

Точно так же, Google на самом деле не нужно заботиться о том, что красный цвет заставляет кого-то нажимать на объявление, если он соотносится с большим количеством кликов, они могут брать больше за это объявление.

Это было также вдохновлено этой статьей в Wired: Конец теории: Поток данных делает научный метод устаревшим . Цитата:

«Основополагающая философия Google заключается в том, что мы не знаем, почему эта страница лучше этой страницы: если статистика входящих ссылок говорит, что это так, этого достаточно».

Очевидно, что в Google есть много очень умных людей, которые знают разницу между причинно-следственной связью и корреляцией, но в их случае они могут заработать много денег, не заботясь об этом.

Нил Макгиган
источник
1
Чтобы уточнить ... Как я уже говорил, в Google есть много людей, которые действительно заботятся об этом, как и Дэвид Миз. (Кстати, он не в Стэнфорде, если нет новостей, которые я пропустил; может быть, вы посещали его курс 2007 года?) Но вы правы в этом, так как многие люди не знают, как работают двигатели внутреннего сгорания, это не влияет их способность управлять автомобилем. Хорошие автоинженеры и исследователи, однако, делают это лучше, потому что они делают. То же самое для инженеров и исследователей в Google. К сожалению, эта статья в Wired - не самое четкое изложение тезиса Norvig.
Итератор
Спасибо Нейл за контекст. Я надеюсь, что вы не возражаете, чтобы я использовал ваш комментарий в качестве вдохновения для вопроса.
Джером Энглим
@jeromy, совсем нет
Нил Макгиган
1

Я согласен с Дэвидом : разница имеет значение, если вы собираетесь вмешаться, и Google может проверить результаты вмешательств, проводя контролируемые эксперименты. (Оптимальный график таких экспериментов зависит от вашего набора причинных гипотез, которые вы узнаете из предыдущих экспериментов плюс данные наблюдений , поэтому корреляции все еще полезны!)

Есть вторая причина, по которой Google может захотеть изучить причинно-следственные связи. Причинно-следственные связи более устойчивы к вмешательствам других игроков. Вмешательства обычно бывают локальными, поэтому они могут изменить одну часть причинной сети, но оставить все остальные причинные механизмы без изменений. Напротив, прогностические отношения могут потерпеть неудачу, если нарушена отдаленная причинная связь. Интернет постоянно меняется, и Google должен быть заинтересован в том, какие функции онлайн-среды более устойчивы к этим изменениям.

Лиззи Сильвер
источник