泰坦（tǎn）尼克号沉（chén）没（méi）已经过去107年（nián），这场（chǎng）悲剧与可（kě）持续农业、人口迁移问题或者健康保险（xiǎn）费（fèi）率等（děng）现代问题能（néng）有什（shí）么关系？这里给大家一点提（tí）示：数据证明。

无论是好是坏，现代世（shì）界正越来（lái）越多地利用算（suàn）法识别数据中的模式，并根（gēn）据这些模式做出预测。人（rén）们希望回（huí）答的问题（tí）是，“某个人能否在泰坦尼克（kè）号的沉没中幸存下来？”而这（zhè）个问题的基本分析方法，与“最有可（kě）能的人口（kǒu）迁移途径（jìng）是什么？”完全一致（zhì）。

历史悠久的问题

基（jī）于泰坦尼克号数据集，以预测海上生存（cún）概（gài）率，一直是众（zhòng）多胸（xiōng）怀（huái）抱负的数据（jù）科学（xué）家以及程序员的标准实践问题。

这是（shì）一个基本的挑战（zhàn）：将（jiāng）一部分泰坦尼克号乘客名单添加（jiā）至（zhì）算法（fǎ），其中描述（shù）每（měi）位乘（chéng）客及其特性的一些基本（běn）变量。根据这（zhè）些数据，算法应（yīng）能够提出相关（guān）结论，说（shuō）明哪些变量决定某个（gè）人在1912年4月那个（gè）寒冷的夜晚拥（yōng）有更高的生存或者死亡机率。为了测试结果是否正确，你（nǐ）需要利用（yòng）训练完成（chéng）的算（suàn）法（fǎ）处理名单中（zhōng）的其余乘客信息，而后与实际（jì）结（jié）果进行比较（jiào）。

Kaggle.com等在线社区曾经进（jìn）行过这样的竞赛（sài），看谁能够（gòu）开发出准确率最高的（de）生（shēng）存预测算法。此外，这也是大（dà）学课（kè）程当中的常见问题。乘客名单大到足够能（néng）反映出明确的趋势，同时（shí）又小（xiǎo）到（dào）能够被（bèi）初学者掌握。其结果也相对简单（dān）——决定生死（sǐ）的变量可能只有十（shí）几项，所以（yǐ）问题（tí）并不复杂（zá），初学者（zhě）也（yě）能够解决（jué）；但其中的（de）交互关系又足够复杂，能吸引（yǐn）到技术人员的关注。另（lìng）外，由于（yú）泰坦尼克号的故事非常有名，因此即使过去（qù）一个多世纪，仍能引（yǐn）发共（gòng）鸣（míng）。

SparkBeyond公司正在将泰坦尼克号问题作为其AI平台（tái）的早期测试素材，并希望将（jiāng）其作为向（xiàng）潜在客户展示技术（shù）能力的方式（shì）之一（yī）。该公（gōng）司联合创始（shǐ）人兼CEO Sagie Davidovich表（biǎo）示（shì），“有趣的是（shì），即使是在像泰（tài）坦尼克（kè）号这样简单的问题当中，我们仍能够（gòu）发（fā）掘出大量有价值的（de）结论（lùn）。”

生存（cún）结果可归（guī）结为变量

如果大家对泰（tài）坦尼克号的故事比较熟悉，完全可以通过（guò）简单（dān）的数字计算（suàn）对乘客的命运（yùn）做出合理的猜测。

其中女性的（de）生（shēng）存机率几乎达到男性的两倍，儿童的生存（cún）机（jī）率则（zé）为成人的1.4倍。一等舱乘客的生存机（jī）率（lǜ）为其他乘客的1.9倍。事（shì）实证明，中（zhōng）年女（nǚ）性与年（nián）轻女（nǚ）性（xìng）之间，舱位等级对生存（cún）率的影响最大；而在中年男性（xìng）与（yǔ）年（nián）轻男性之间，年龄差异则是决定（dìng）生存率的关键。

虽然（rán）这（zhè）些（xiē）结果基本在人（rén）们的意料之中，但确实能够做出非常准确的预测。除此之外（wài），算法也需要考虑到其（qí）它（tā）变（biàn）量对于生存名（míng）单的影响，例如一个人的父母、孩子（zǐ）或者兄弟姐妹是否同在船上（shàng）。正因为这些复杂（zá）性（xìng）因素的存在，泰（tài）坦尼克号乘客名单才有长久以来（lái）一直（zhí）成为数据科学家们关注的经（jīng）典问题。

事实证明，以不同的方式（shì）查（chá）看数据有时也能带（dài）来更快捷的分析结果。Davidovich指（zhǐ）出，SparkBeyond的（de）AI方案就通过查看船（chuán）票上（shàng）列出的乘客姓（xìng）名前缀（zhuì），发现了这样（yàng）一条分析“捷径”。

Davidovich解释道，“从数（shù）据当（dāng）中可（kě）以看出，最简单的高生（shēng）存率预测指标就是，乘（chéng）客的名字中不包（bāo）含“先生”这一表述。这显然涉及到乘（chéng）客的性别成分，但深入解（jiě）读，这种现象实际上包含了上面（miàn）谈到的全部（bù）三种生存指标。”因为“先（xiān）生”这一前缀（zhuì），能够快速确定最有可（kě）能在（zài）沉船事故中死亡的群体：中产（chǎn）阶级及资产阶级成年男性（xìng），这一群更有（yǒu）能力购（gòu）买头等舱船票的群体，往往(虽然并（bìng）非全（quán）部)拥（yōng）有“阁下”这类头（tóu）衔，而年轻的男孩则被称为（wéi）“少爷”(主要来（lái）自贵族阶（jiē）层)或（huò）者并无特别（bié）的称谓。

现代（dài）应用

SparkBeyond公司（sī）的AI方案（àn）目前已经（jīng）开始（shǐ）研究监狱暴力行（háng）为的原因、半导体制造（zào）质（zhì）量控制以及人口（kǒu）迁移（yí）模式等问题。

Davidovich介绍称，“机器智（zhì）能可以确定（dìng）的一项基本事实，在（zài）于自然（rán）灾害与人口迁移之间的联系。美国人口（kǒu）迁移的大幅飙（biāo）升与飓（jù）风哈维有关，这一点在某些高速公（gōng）路及主（zhǔ）要道路上体现得尤为（wéi）明（míng）显。”

当然，除了数据模式这一共同本质之外（wài），泰坦尼克号数据集还有着另一大（dà）共通的特性——尽（jìn）管（guǎn）人们在分析（xī）时很容易迷失在具体数（shù）据当中，但这些纷（fēn）繁复杂的数（shù）字与（yǔ）变量背后仍是真实人生（shēng）的（de）反映。