辛普森悖论

数据中的误区

从数据发现孕妇或者哮喘病人，得了肺炎的致死率低于普通人。这个是因为孕妇和哮喘病人因为是特殊人群，所以会得到更精心的照顾，在发病的第一时间，可以更及时的得到治疗；而普通人平时不注意，所以发现病情较晚，治疗的也较晚，因为死亡率高。如果由此得出哮喘病人的肺炎致死率低，显然是不对的，如果同样的治疗条件，得了哮喘的肺炎病人，死亡率肯定是要高于普通人的。
任何模型都会学习到这个特征，而如果是可解释模型，我们发现这个违反直觉的情况后，应该删除这个特征，帮助模型校对，仅仅依靠数据，而数据有时候是存在bias的，就会得到错误的结论。