書單推薦:六本好書帶你入門數據科學

神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。

編者按：在日常的數據科學運算中，人們其實很少考慮「人」在其中的意義，儘管數據本身都是為人服務的。因此，要想做最完美的統計方案，就不僅要閱讀技術類的文章，還要閱讀一些研究人們如何做出選擇，以及如何使用數據來改進這些選擇的作品。本文將重點介紹6本塑造「世界觀」而非「方法論」的書，幫助你進一步通過數據更好地為現實服務。本文譯自Medium.com中原標題為「A Non-Technical Reading List for Data Science」的文章。

如今的數據科學家經常被要求學習一系列的建模技術、運算方法等。諸如線性回歸，很多人都在使用它，但卻不知道為什麼使用它，因此就會出現這麼一種情況，很多新人隨時都準備好部署模型，但卻不了解實際情況，這些技術群體並沒有把重心放在解決技術的盲目性上，而是放在了關於選擇何種工具的爭論上（R 或 Python）。

與一些數據科學家可能希望相信的相反，我們永遠不可能將世界簡化為數字和算法。歸根結底，決策是由人類做出的，想要成為一名專業的數據科學家意味著必須既了解人性又了解數據。

請體會一下如下案例：

當美國科技公司Opower（一家致力於發掘能源數據，為用戶提供節能建議的公司）想讓人們節約用電時，他們向客戶提供了大量關於其用電量及成本的數據。然而，僅僅靠這些冷冰冰的數字並不足以讓人們做出改變。為了達到目的，Opower需要一些關於心理學及行為科學的知識，比如，研究表明，如果在家庭能源帳單上用笑臉表示費用低於鄰居平均水平，用皺眉表情表示高於鄰居平均水平的話，人們的能源使用就會減少，也會更配合能源公司的環保要求。該市市政部門藉此給隨機選出的顧客發帳單，將他們的能源使用量與相似家庭和最節能的鄰居進行對比，並給出如何節能的建議。第二年，統計表明，高消費家庭的用戶減少了3%的用電量！

當用電量比鄰居少的時候，通過這種簡單幹預人們的電費帳單的方法直接節省了數百萬美元的成本，也有效防止了數百萬磅的二氧化碳排放。對於一個數據科學家來說，這可能是一件令人震驚的事情——人們直接幹預了統計的結果！但這對Opower的首席科學官羅伯特·恰爾蒂尼（Robert Cialdini）來說並不奇怪，畢竟他曾是一位心理學教授，還寫過一些關於人類行為的書，對消費心理可謂頗有研究。Opower公司的這一舉動也為市場帶來一個信號：雖然你可以得到任何你想要的數據，但仍然需要了解人們的行為對數據產生的影響，而有時候後者比前者更能得償所願。

相比笑臉表情，柱狀圖也許並不是最有效的可視化方法

作為數據科學家，在日常工作和學校教育的影響下，我們其實很少考慮「人」在其中的意義，退一步講，我們其實不會思考這份數據工作的社會影響。因此，要想做最完美的統計方案，就不僅要閱讀技術類的文章，還要擴展閱讀一些研究人們如何做出選擇，以及如何使用數據來改進這些選擇的作品，個人認為這一點至關重要。

為此，在這篇文章中，我將重點介紹6本塑造「世界觀」而非「方法論」的書，其中的知識並不涉及數學和算法的講解，但卻能教會人們如何通過數據更好地為現實服務。

No.1 The Signal and the Noise 信號與噪聲

作者：納特·西爾弗（Nate Silver）

本書可能是世界上最受歡迎的與統計相關的書籍之一。信號與噪聲是數據科學中一種常用的比喻手法。「信號」指的是我們想要並需要的事實，而「噪聲」則是另一回事，通常指的是不相干的信息，它阻礙或誤導我們搜索真實的信號。

大數據時代，海量的信息充斥在我們周圍，然而隨著現實中生活節奏的逐步加快，所做出的預測的速度及數量也被迫逐步增加。

然而事實卻是，現實世界中的很多預測都失敗了，人們為此付出了巨大的社會代價。本書檢視了從颶風到地震、從經濟到股市、從NBA到政治選舉在內的眾多領域的預測事例，旨在回答一個問題：如何才能從繁雜的海量數據中篩選出真正的信號，摒棄噪聲的幹擾，從而做出接近的預測。西爾弗認為，未來是沒有精準的答案的，只有偉大的預言家所實踐的基本法則能夠幫助我們改善社會。

任何人都可以從書中提供的簡單建議中獲得如下經驗：

• 像狐狸一樣思考（而不是像刺蝟那樣）：以賽亞·伯林（Isaiah Berlin）在古希臘詩歌的影響下曾寫下著名的文章《刺蝟與狐狸》。在這篇文章中，伯林區分了兩類知識分子：一類是刺蝟，用一個觀點統攝對世界的認識；另一類狐狸，則承認種種無法統一的經驗，拒絕單一觀點。如果你只有一個想法，你會傾向於尋找確認它的證據，忽略任何與之相矛盾的東西。如果你有很多小想法，你會更關心什麼是正確的，而不是什麼支持你當前的信仰，當證據不再支持它們時，你可以放棄任何想法。這兩種不同的思維方式也解釋了為什麼那些對自己的預測更有信心的人（比如股票專家）往往更容易出錯。

• 做大量的預測並得到快速的反饋：我們對於頻繁發生的事件，做出估計往往更準確，主要是因為反饋和改進周期的影響。每天的天氣預報都是錯誤的，這些信息被輸入到模型中，使明天的天氣預報變得更好（這也是幾十年來天氣預報大幅改善的一個原因）。在我們面臨很少遇到的情況時，我們最難做出選擇，在這些情況下，使用儘可能多的數據才是關鍵。

• 儘可能多地利用各種不同的數據來源：每個數據提供者都有自己的偏見，但是通過匯總不同的估計數據，你可以利用平均值找出錯誤，這一點在Silver的Fivethirtyeight網站上得到了很好的體現。這種群體智慧的方法意味著使用了與你的觀點不一致的資源，而不是僅僅依靠某個領域的「專家」。
  

• 要囊括不確定性區間，不要害怕在證據改變時更新觀點：人們在預測時犯的最大錯誤就是只提供一個數字。儘管有一個答案可能是公眾希望聽到的，但這個世界從來就不是嚴格意義上的非黑即白，而是存在於灰色的過渡陰影中，我們有責任在我們的預測中表現出來這一點。表達不確定性似乎是懦弱的，比如說希拉蕊有70%的獲勝機會，那就意味著無論結果如何，你都是對的，但實際上它比一個單一的「是/否」更現實。此外，人們認為改變別人的觀點是一種攻擊性的負面行為，但在數據科學和形成世界觀的過程中，基礎認知的變化實際上幾乎是不可避免而且利大於弊的。

總結一下作者的經典名言：

我們對世界的預測永遠不會是完全正確的，但這不應阻止我們依靠經過充分證明的原則做出更高的預測，從而減少錯誤。

真正的預測者會用概率的方法思考問題，他們謙虛而且勤懇，能清楚地區分什麼是不可預測的、什麼是可預測的，他們注重任何靠近真相一步的成千上百個小細節，他們能辨識出什麼是噪聲、什麼是信號。

從全球經濟的健康到戰勝恐怖主義，都依靠預測的質量。在這裡，《信號與噪聲》可以給你想要的答案。此外還有兩本同樣類別的書，分別是菲利普·特洛克的《超級預測》和《專家政治判斷》。

No. 2 Weapons of Math Destruction算法霸權：數學殺傷性武器的威脅

作者：凱西•奧尼爾（Cathy O』Neill）

數據科學家凱西•奧尼爾認為，我們應該警惕不斷滲透和深入我們生活的數學模型——它們的存在，很有可能威脅到我們的社會結構。

通過追蹤一個人的生命軌跡，凱西•奧尼爾試圖在書中揭露數學這類殺傷性武器對塑造個人和社會未來的影響。這些「殺傷性武器」會給教師和學生評分，篩選簡歷，批准貸款或拒絕貸款，評估員工，甚至監督我們的健康狀況，因此凱西•奧尼爾呼籲建模者，要對自己的算法承擔責任，並且呼籲政策制定者對模型的使用進行監督管理。她還指出，對模型的掌控最終取決於我們自己。這本重要的書迫使我們直面問題，探求真理。

我們生活在一個依賴「算法」的時代，它對我們生活的影響越來越大，我們去哪裡上學，我是不是應該貸款買車，我們應該花多少錢來買健康保險，這些都不是由人來決定的，而是由大數據模型來決定的。從理論上來說，這一模型應該讓社會更加公平，因為每一個人的衡量標準都是一樣的，不應該存在偏見。

但是，正如凱西•奧尼爾書裡所揭示的那樣，事實剛好相反。如今，被廣泛使用的算法模型，即使其本身充斥著錯誤，也依舊不受管束、不被質疑。其中，「強化歧視」的問題特別值得反思：如果一個窮學生因為被借貸模型認定為風險過高（僅僅是根據該學生所生活的街區就得出此判斷）而貸不了款，那麼接下來，他就會被剝奪能夠幫他擺脫貧困的接受優質教育機會，繼而陷入一系列的惡性循環。

因此，我們今天所使用的這些數學模型是不透明的、未經調節的、極富爭議的，有的甚至還是錯誤的。最糟糕的是，數學模型和大數據算法加劇了偏見與不公。奧尼爾的書似乎對機器學習模式持悲觀態度，但我更願意把它看作是一種必要的批評：由於圍繞機器學習的熱情如此之大，我們需要願意退後一步並問：這些工具真的能改善人們的生活嗎？作為一個社會，我們應該如何接納他們？

讀完本書，你會發現，大數據的武器化是無處不在的。也許，當你看到世界上最強大的數據系統做的這些事，你會產生一些焦慮，但是，對於那些我們未能認識到的問題，我們誰都無法解決。

在作者看來，大數據猶如一個黑盒，規模、傷害和隱秘共存，她在書中引用了大量發生在美國當下的、基於大數據和算法的、改變個人生活的案例，並對影響這些城市生活經驗的算法做了特別的觀察和研究。

作者認為，數據和算法的關係就像槍械和軍火，數據沒有價值觀，是中立的，但來自人類行為的輸入，難免隱含偏向，而算法創造的數據又對人類行為產生反作用，從而導致更多的不公。

凱西指出：算法模型一旦運轉，執法行為就會增多，產生的新數據又會進一步證明加強執法的必要性。形象地說，就是哪裡「前科」越多，哪裡就越受算法「關照」，最終形成一個失真，甚至有害的回饋環路。這個觀點也正是近來Facebook幹預美國大選，國內很多專家學者熱議「今日頭條」推送模式的核心所在。

不過，機器學習算法只是工具，和任何工具一樣具有兩面性，使用得當也可以造福人類。幸運的是，我們仍處於早期階段，這意味著我們可以對其進行改造，以確保它們能夠做出客觀的決策，並為大多數人創造最佳的結果。我們現在在這方面所做的選擇將在未來幾十年塑造數據科學的未來。

數據科學雖然是一個年輕的領域，但已經在數百萬人的生活中對好與壞產生了巨大的影響。作為這一新領域的開拓者，我們現在的工作人員有義務確保我們的算法不會變成毀滅性的數學武器。

如果你想從事數據科學相關的工作，這本書絕對是必讀之作。

No. 3 Algorithms to Live By: The Computer Science of Human Decisions 算法之美：指導工作與生活的算法

作者：布萊恩·克裡斯汀&湯姆·格裡菲思

 How Not to be Wrong: The Power of Mathematical Thinking 魔鬼數學：大數據時代,數學思維的力量

作者：喬丹·艾倫伯格（Jordan Ellenberg）

計算機科學和統計學（包括其他所有的研究性學科）在學校的課堂上往往會遇到一個問題：學起來既抽象又無聊。只有當它們被應用於解決現實的問題的時候，才會變得足夠有趣，讓我們想要去探索。而上述這兩本書都把枯燥的主題轉變成了有趣的、信息豐富的描繪，講述了如何在日常生活中使用算法、統計和數學。

所謂算法，是指解題方案的準確而完整的描述，是一系列解決問題的清晰指令，算法代表著用系統的方法描述解決問題的策略機制。如果我們在考慮問題時，清晰地了解我們所與之對應的算法，那麼就可以更容易地解析問題或者更優地解決問題。

例如，在關於生活方式的算法中，作者展示了該如何利用探索與利用權衡和最佳停站的概念，找出我們應該花多長時間尋找配偶（或新員工、餐廳等）。同樣，我們可以使用排序算法最有效地整理我們的物品，以便快速檢索需要的東西。雖然你可能接觸過這些想法，甚至可以用代碼來寫，但你可能從來沒有利用它們來優化自己的生活吧。

而在艾倫伯格的這本書中，主要講述了數學的魅力，以及如何獲得用數學原則解決生活中問題的技巧。作者認為，數學可以幫助我們更好地了解這個世界的結構和本質，應該被放在每個有思想的人的工具箱裡，用於更好地解決問題，規避謬誤和錯誤的方法。這本書摒棄了複雜的專業術語，用現實世界中的逸事、基礎的方程式和簡單的圖表，為讀者帶來一堂零基礎的數學課。

艾倫伯格通過故事向我們展示了線性回歸、推理、貝葉斯推理和概率等統計概念的使用和誤用，幫助我們學會最優決策。應用概率定律表明，玩彩票總是會導致失敗，除非在少數情況下，實際回報是積極的。

艾倫伯格這本書的中心引述是數學思維，「通過其他方式擴展常識」。在許多情況下，主要是在遙遠的過去，我們的直覺很好地服務於我們，但在現代世界，有許多情況下，我們的最初反應是完全錯誤的。在這種情況下，我們不需要依靠直覺，而是可以使用概率和統計數據來做出最佳決策。

這兩本書的嚴謹程度都是恰到好處的，其中夾雜著一些公式邏輯，還有很多實際案例。在此書中，我發現了許多從未在課堂上完全掌握的數據科學概念，最後我一遍又一遍地翻閱，體驗了獲得知識時刻的快樂。當然，數學、統計學和計算機科學只在能幫你更好地生活的情況下有用，而且這兩本書都展示了你從未考慮過的這些學科的用途。

No.4  Thinking, Fast and Slow  思考的快與慢

作者：丹尼爾·卡尼曼（Daniel Kahneman）

人類是非理性的，我們通常會在生活中的各種情況裡做出可怕的決定。然而，一旦理解了為什麼我們會這怎麼做而不是採取最佳行動時，就可以開始著手改變自己的行為以獲得更好的結果了，這是就是卡尼曼數十年實驗成果的核心。他的研究打開了認知心理學、認知科學、對理性與幸福的研究以及行為經濟學的新局面，而本書也是他的集大成之作。

卡尼曼在《思考，快與慢》中揭示了三十多種理性偏差，如啟發式聯想，其中包括可得性偏見、錨定效應、直覺判斷、光環效應等；如過度自信，其中包括後見之明、有效性錯覺、算法判斷等；如前景理論，包括風險決策、損失厭惡、稟賦效應、四重模式等。它們像一面思維的立體鏡子，360度角照見大腦思考過程和頑固的偏差，讓你認知你自己的思考決策過程。

作為2002年諾貝爾經濟學獎獲得者，卡尼曼和他的研究夥伴阿莫斯·特沃斯基（Amos Tversky，因對決策過程的研究而著名）以及理察·塞勒（Richard Thaler，2017年諾貝爾經濟學獎得主）等其他人共同創造了行為經濟學的高光時刻，也讓這個經濟學中本來頗為小眾的分支走進了更多人的視野，它將人們視為非理性的決策者，而非追逐效用最大化的理性人。當然事實也的確如此。這使得人們不僅在經濟學上，而且在醫學、體育、商業實踐、節能和退休基金等生活領域的思維和設計選擇發生了一些巨大的轉變。我們也可以將本書中的許多發現應用於數據科學，例如如何呈現研究結果等。

《思考，快與慢》的基礎是作者提出的關於人類的思考框架：系統1和系統2。系統1代指人類的非受控或者說是無意識的思考模式；系統2代指受人自身控制的或為有意識進行的思考模式。用系統1思考或判斷是非常快捷的，幾乎完全取決於直覺和經驗，因此人們往往第一時間通過它在腦海中形成觀點。但有時系統1可能得不到結論甚至得到錯誤的結論，在這種情況下，人類也經常求助系統2進行更為複雜和費力的思考過程，以補充或糾正系統1。

但是，上述說法不等於系統1是感性的、系統2是理性的。實際上系統2經常受到系統1的影響。這種影響可能是正確的，也可能是錯誤的。而且系統2很懶惰，經常疏於校驗，從而無法糾正系統1形成的錯誤。

這種差異，使我們的直覺充滿錯誤。卡尼曼和其他科學家的實驗表明：複雜而華麗的句子，讓我們覺得信息量豐富、容易信服，儘管可能它們什麼都沒說；咬住一支鉛筆保持微笑的表情，也會讓熱人的情緒有實質性的提升，因為大腦無法分辨自己是真的高興，還是僅僅被一根小木棍抵住了嘴角———正是認知系統的這種不可靠，以及通常我們獲得信息的不完備，讓我們更可能依賴一些簡單的辦法完成日常生活中的認知任務。

上述這些都是卡尼曼在傳統心理學方面的研究，正是這樣的研究讓他認識到，經濟學中理性人的假設是有缺陷的。人們在進行選擇時考慮的效用，是拿未來的預期與現在的擁有進行比較，然後才進行判斷。在判斷中還有大腦工作的兩種不同的模式會影響最後的結果。

這本書對於理解人們如何做出決定，以及我們作為數據科學家可以做些什麼來幫助人們做出更好的選擇至關重要。

此外，這本書也有一些其他的結論，適用描述自我概念：體驗和記憶。體驗自我是我們在一個事件中擁有的瞬間的感覺，但比記憶自我重要得多，記憶自我是我們事後對事件的感知。記憶自我根據體感高峰的結束過程來評價一種體驗，這對健康、生活滿意度和強迫自己做不愉快的任務有著深遠的影響。我們會記住事件的時間比我們經歷的時間長得多，所以在一次經歷中，我們必須努力最大限度地提高我們記憶自我的未來滿意度。

如果你想了解實際的人類心理學，而不是傳統課堂上的那種理想化的知識，那麼這本書是最好的開始。嚴格地說，卡尼曼並不是一個熱衷於科普書籍的作家，但是他和他的同事傑出的學術貢獻，卻深刻地改變了我們對自己的認識。相較之下，近年來很多研究開始將目光投向社會行為的神經基礎，用磁共振腦成像之類的法子探究問題。卡尼曼的工作專注於人類的行為，嚴謹地避免過多關於機制的推論。在如今的心理學界看來，似乎不那麼時髦了。但是他的實驗充滿巧思與洞見，卻不會是科學史上曇花一現的觀點。

No.5  The Black Swan: The Impact of the Highly Improbable 黑天鵝：如何應對不可預知的未來

作者： 納西姆•尼古拉斯•塔勒布 (Nassim Nicholas Taleb) 

只有一個地方可以讓塔勒布在名單上佔有一席之地，那就是一個局外人。塔勒布曾是一名定量交易員，在2000年和2007年的市場低迷期間賺了大量的錢，他已成為一名有聲學者研究者，為他的作品贏得了全世界的目光，數不盡的讚譽和批評接踵而至。那時，塔勒布感知到一種想法：當代思維方式的失敗，尤其是在不確定性的時代的失敗，是非常嚴重的。在《黑天鵝》一書中，塔勒布提出了這樣一個概念：我們對支配人類活動的隨機性視而不見，因而，當事情沒有如預期那樣發展時，我們就會被毀滅。黑天鵝最初於2007年出版，自2008年和2016年的金融危機意外以來，它變得更加有說服力，完全顛覆了傳統的一套思維模式。

當然，根據中心前提，我們所要思考的問題是：不可能發生的事件不會經常發生，那麼我們應該不應該擔心它們？關鍵點是，雖然每個不可能發生的事件本身不太可能發生，但綜合起來，幾乎可以肯定，許多意想不到的事件最終都將出現在你的一生中，甚至在一年內。任何一年發生經濟崩潰的可能性都很小，但這種可能性加起來你就會發現，世界上每十年都會出現一次經濟衰退，這幾乎是可以肯定的。

我們不僅應該預期到那些能使世界變化的事件會以高頻率發生，而且不應該聽取那些被過去經驗所束縛的專家的意見。任何投資股市的人都應該知道，過去的表現並不能預測未來的表現，我們應該在我們的數據科學模型（使用過去的數據進行推測的方法）中考慮這一教訓。此外，我們的世界不是正態分布的，而是長尾分布的，有一些極端事件如大衰退，或一些富有的個人如比爾蓋茨，能夠蓋過其他所有人。所以當極端事件發生時，其實沒有人能準備好迎接它，因為這種事件遠遠超過了以往任何事件的規模。

「黑天鵝」對數據科學家很重要，因為它表明，任何僅基於過去性能的模型通常都會出錯，並產生災難性的後果。所有機器學習模型都是用過去的數據構建的，這意味著我們不能太信任它們。模型（包括Taleb）是有缺陷的，為了儘可能與現實貼近，我們應該確保有系統來處理這些不可避免的失敗。

值得一提的是，塔勒布不僅以其新穎的思想而聞名，而且他的性格也極端好鬥。他甚至願意和所有人較量，經常批評像史蒂文·平克（美國實驗心理學家）這樣的學者，或者像內特·西爾弗（數據分析師，曾經在2012年美國總統大選中準確預測了50個州的選舉結果）那樣的公眾人物。在我們這個嚴重扭曲的時代，他的想法有助於理解一些超前的事物，但他的態度可能有點令人不快。儘管如此，我還是認為這本書值得一讀，因為它提供了一個非主流的思想體系。

（這本書是塔勒布的第二系列的第五部分，因瑟託闡述了他的完整哲學思想。《黑天鵝》討論了極不可能發生的事件的概念，而《亂倫：從混亂中獲得的東西》中的第四本書則討論了如何使自己不僅能夠經受住破壞，而且能夠因此使自己變得更好。我認為黑天鵝的思想是與數據科學最為貼近的。）

結論

在盯著電腦屏幕整理了一整天之後，我想不出比看書（印刷品、電子書或有聲讀物都可以）更好的方法來為這充實的一天收尾。需要提醒的是，數據科學需要不斷擴展工具箱中的工具，即使我們想要放鬆一下，讓我們的思維遠離工作，但也不能停止學習。

以上推薦的這些書都是需要全神貫注去閱讀的，它們將教會我們很多關於數據科學和生活的課程。這些作品將通過展示什麼是真正驅動人類的思想來為更多的技術作品提供有益的補充。了解人們在現實中的想法而非理想化的模型，對貫徹更有效的數據決策來說，與統計它們一樣重要。

譯者：小灼

原文連結：https://towardsdatascience.com/a-non-technical-reading-list-for-data-science-d72451429a70