data dredging：数据疏浚

数据疏浚（data dredging）有时候指得是“数据捕鱼（data fishing）”，它是一个数据挖掘（data mining）实践，分析其中大批量的数据（data）来寻找数据间可能的关系。相反地，传统科学方法以假设开始，紧接着测试数据。有时候会引向不道德的目的，数据疏浚常常避免传统的数据挖掘技术，并会导致结论得出得太早。数据疏浚有时候被描述成“从数据集中寻找比实际含有的更多的信息。”

　　数据疏浚（data dredging）有时候导致变量间的关系很重要，事实上，和数据在合法决定这种联想前要求更多研究时宣布的一样。很多变量可能通过偶然机会相关，其它的可能因为一些未知原因彼此联系。为了有效评估任意两个变量间的关系，需要进一步的研究，这其中孤立的变量和控制组形成对照。数据疏浚有时候用于呈现未核实的同时发生的变量，就像它们得出的有效结论，领先于其它相似研究。

　　尽管数据疏浚（data dredging）常常用得不恰当，但它查找令人惊讶的关系时是很实用的方式，这是其它方法发现不了的。但是，由于同时发生的变量不构成它们关系的信息（这可能、终究只是巧合），要求进一步的分析来得到实用结论。

最近更新时间：2010-08-04 翻译：徐艳EN