2、测试驱动的机器学习：科学方法与风险应对

测试驱动的机器学习：科学方法与风险应对

1. 测试驱动开发与科学方法

科学研究是一个不断尝试和纠错的过程。科学家先提出假设，然后对其进行测试，最后将这些假设整合为理论。这个过程与测试驱动开发（TDD）有着相似之处，TDD 也可以看作是“假设 - 测试 - 理论化”的过程，只不过在编程中可以称为“红 - 绿 - 重构”。

1.1 TDD 与科学方法的相似性

在机器学习代码编写中，先编写测试是一种有效的方法。大多数机器学习从业者都会运用某种形式的科学方法，而 TDD 能促使开发者编写更简洁、稳定的代码。TDD 是科学方法的一个子集，主要体现在以下三个方面：
- 提出有效性的逻辑命题 ：科学家使用科学方法解决问题并证明其有效性。为了证明我们的信念，需要构建稳定、逻辑的命题。在逻辑中，有必要条件和充分条件两种类型来判断某件事是否为真。
- 必要条件 ：是指如果缺少这些条件，我们的假设就会失败。例如，一致通过的投票或飞行前的检查清单。所有条件都必须满足，才能让我们相信所测试的内容是正确的。
- 充分条件 ：意味着有足够的证据支持某个论点。例如，雷声是闪电发生的充分证据，但雷声不是闪电发生的必要条件。充分条件很多时候以统计假设的形式出现，虽然可能不是完美的，但足以证明我们所测试的内容。

科学方法	TDD
必要条件	公理，纯