Trump vs. Clinton, az utolso tipp
Eredeti szerző: jotunder
(nem bohockodom ekezetekkel)
BOTTOM LINE: 1. Clinton meg fogja nyerni a kovetkezo allamokat:
Washington DC, Hawaii, Vermont, Rhode Island, Massachussets, California, Maryland, Maine egyes szamu valasztokerulete, New Jersey, Connecticut, Illinois, Washington, Delaware, New York, Oregon.
2. Szinte bizonyosan meg fogja nyerni a kovetkezo allamokat:
Virginia, New Mexico, Wisconsin, Minnesota, Michigan, Maine tobbseg, Pennsylvania, Colorado.
Ez osszesen 268 elektori szavazat. Ez szinte bizonyosan megvan, es nem tudom, hogy mennyi az a szinte bizonyos. Szinte bizonyos.
3. Ha megnyeri Nevadat, vagy New Hampshire-t, vagy Floridat vagy North Carolina-t, akkor Clinton lesz az elnok. Ha mindet elvesziti, de megnyeri Maine masodik valasztokeruletet, akkor dontetlen lesz. Ha a fentieket elvesziti, akkor Trump 270:268-ra nyer. Elvileg Clinton megnyerhet meg egy allamot, es esetleg a konzervativ anti-trumpista jelolt nyer Utah allamban, de ezt most hagyjuk. Induljunk ki abbol, hogy negy battleground allambol egyet kell megnyernie Clintonnak az elnokseghez.
4. Nevadaban az „early voter” mintazat arra enged kovetkeztetni, hogy alulmerik Clintont, ahogy Obamat is alulmertek negy eve. Ebbol az kovetkezne, hogy Clinton megnyeri Nevadat. New Hampshire-ben nagyon kulonos es megbizhatatlannak tuno kutatasok jottek ki Clinton nagy aranyu vezetesevel. North Carolina too close to call, de van egy „outlier” Survey Monkey adat Clinton vezetesevel, amit megint nem erdemes komolyan venni. Floridaban mintha Clinton vezetne, negy eve alulmertek Obamat, itt is van talan valamennyi „early voter” mintazat, ami Clintonnak kedvez.
5. A Huffington Post es Nate Silverek kozott eleg durva hangnemu vita alakult ki. A HP szerint Clinton nyert es Silver csak beszel a levegobe. Sam Wang szerint gyakorlatilag 100 szazalek Clinton gyozelme (de a republikanusoke lesz a kepviselohaz, es dontetlen kozeli a szenatus). A fenti adatok alapjan en azt mondhatom csak, hogy nagyon valoszinunek tartom, hogy Clinton nyer, de ehhez semmifele szamot nem tudnek rendelni. Azt gondolom, hogy kb. annyira lepne meg Trump gyozelme, mintha Magyarorszag megverte volna Portugaliat az EB-n.
<div class='sharedaddy sd-block sd-like jetpack-likes-widget-wrapper jetpack-likes-widget-unloaded' id='like-post-wrapper-192691293-16518840-6adefe5e0f201' data-src='https://widgets.wp.com/likes/?ver=14.1#blog_id=192691293&post_id=16518840&origin=www.orulunkvincent.hu&obj_id=192691293-16518840-6adefe5e0f201&n=1' data-name='like-post-frame-192691293-16518840-6adefe5e0f201' data-title='Like or Reblog'><h3 class="sd-title">Like this:</h3><div class='likes-widget-placeholder post-likes-widget-placeholder' style='height: 55px;'><span class='button'><span>Like</span></span> <span class="loading">Loading...</span></div><span class='sd-text-color'></span><a class='sd-link-color'></a></div>
@snakekiller23: ez a data science csődje is volt egy kicsit.
@christvhu: OV. bukása is épp ilyen váratlan lesz a magyar politológusok, közvélemény kutatók és egyéb „nagytudásúak” számára, úgyhogy várjál még azzal az odajeggyel, különben is ki uralja előbb a Marsot: Amerika, Oroszország, Kína? majdnem „secko jedno”, hacsak addigra nem áll össze Asimov Alapítványa, vagy nem kerülnek döntéshozó pozícióba Platón öreg bölcsei.
@velőtanya: Merkel bukása azért elég természetes lenne ennyi idő után, nem hiszem, hogy tragikusan kéne felfogni. És erre opciót csak egy SPD-Zöldek-Linke koalíció létrejötte hozhat. Ha az AfD várakozáson felül szerepel, és az vezet esetleg a CDU vereséghez vezető rosszabb szerepléséhez, az intő jel lesz persze, de nem brexit vagy Trump szintű sokk.
@jotunder:
Ilyenkor visszaigazolva látom a szkepticizmusomat az egész big data mániával kapcsolatban – a gazdasági és politikai szempontok mellé most már nyugodtan felvehetem az empirikusokat is. Elvben mindenki egyetért azzal, hogy Garbage-in Garbage-out, de a gyakorlatba átültetni ezt sokkal nehezebb.
@snakekiller23: „deep learning, neurális hálók”
Ez a kettő kb. ugyanaz.
@snakekiller23: „Elvben mindenki egyetért azzal, hogy Garbage-in Garbage-out”
A dolog amúgy arról szól, hogy garbage is jön be meg egy nagyon kis százalék értelmes dolog is, viszont a franc fogja kiválogatni. Bizonyos szintig ez működik, de ehhez a kurva nagy számítási kapacitások mellett kell a kurva sok adat (példa) is, ami választásoknál azért inkább nem áll rendelkezésre, mint igen. 🙂
A statisztikai módszerek sajnos a legtöbb (98+%) területen lemosták a hand-crafted dolgokat, ami hagyhat az emberben egy rossz szájízt, meg hiányolhatja a modell eleganciáját, meg mutogathat a túlzásokra, de azért nem biztos, hogy nemsüllyedünket is érdemes játszania.
@közösperonos átszállás:
Igen, de ez nem akadályozza meg a buzzword-mágusokat, meg a butuló sajtót, hogy úgy beszéljenek a deep learningről, mintha nem egy 80-as években már nagyon jól ismert technikáról lenne szó, amihez mostanáig egyszerűen nem volt elég adat és számítási kapacitás.
@ATCG: Ki beszélt itt a Marsról? Nem, nem, semmi ilyesmi nem jön szóba, távolabbra megyek.
Viszont Asimov végkövetkeztetése optimizmusra ad okot. Sheldon élt, él és élni fog…..
A világban zajló folyamatok előrevetítették Trump győzelmét, legfeljebb nem vettük komolyan. (ld: OV, Erdogan, Putyin, Brexit Le Pen stb….)
OV bukása nem illik bele ebbe a sorba.
Szóval csak oda legyen szíves……
@Tehéntőgy: Torgyán rosszabbat csinált, pedig kisebbségben volt a kormányban.
@közösperonos átszállás:
A statisztikai meg learning megközelítés előnyei vitathatatlanok (szegény hagyományos computer vision kutatók csodálom, hogy nem ugrottak vonat elé mikor pár éve kezdtek felpörögni a convnetek), de a limitációit nem mindenki hajlandó tudomásul venni én úgy látom. Az alapvető adatminőségi, modellezési problémáktól nem mindig szabadítja meg az elemzőket, sőt kicsit szőnyeg alá söpri őket. Maga Geoffrey Hinton is panaszkodik néha, hogy még a Google-nél sem igazán hallgatnak rá, mikor azt szajkózza, hogy hiába a rengeteg adat, ha közben relatíve alacsony dimenziós és relatíve rengeteg szabadsági fokot akarsz optimalizálni – mikor is ugyanott tartasz, mint kb. 100 éve mindig, hogy akkor hogyan is kellene a paramétereket regularizálni, meg egyszerűsíteni a modellt, szóval pusztán Big Data-ból nem mindig lesz olyan kvázi ingyenebéd mint ami kép-, hang- vagy szövegfeldolgozásnál volt.
@jotunder: Inkább a közvéleménykutatásokkal volt a gond. Talán nem voltak felkészülve egy olyan jelöltre, aki a mainstream sajtóval ennyire hadilábon áll: a Trump-szavazók egy jó része úgy érezhette, hogy ciki megmondani, hogy ő Trumpra szeretne szavazni, ezért azt válaszolta a kérdezőbiztosnak (automatának, stb.), hogy még nem döntött vagy hogy azt sem tudja, hogy elmegy-e. Olyasmi lehetett, mint a 2009-es EP választás előtt nálunk: a Jobbikot 5% körül mérték és majdnem 15-öt kapott. Ha tényleg ez a helyzet, akkor az is elképzelhető, hogy a Comey-ügy nem számított olyan sokat, csak éppen így könnyebb volt bevallani a Trumpra szavazást. A közvéleménykutatások módszertanán egyébként bőven van mit fejleszteni, ezt tapasztalatból mondom.
@vgab: én nem vagyok bayesian methods szakértő, de ilyennek nem lett volna szabad előfordulnia. talán nem is az az igazság, hogy a szakemberek hibáztak. a jelenség váratlanul komplexebbé válhatott, talán a social media miatt. máshogy kell az egészet megközelíteni, és senki sem tudja pontosan hogyan. én nem hiszek el mindent a deep learningről, de ezt talán el tudnám hinni róla.
@snakekiller23: ” mintha nem egy 80-as években már nagyon jól ismert technikáról lenne szó”
Persze, buzzword meg minden, és valóban sokan azt hiszik, hogy ez a Szent Grál, de az adatok és a gépi kapacitás mellett az algoritmikus megközelítés sem volt adott, ahhoz csak kellett egy Hinton.
@snakekiller23: „szóval pusztán Big Data-ból nem mindig lesz olyan kvázi ingyenebéd mint ami kép-, hang- vagy szövegfeldolgozásnál volt. „
Teljesen egyetértünk, sőt ezeken a sikerterületeken is itt vannak már a túlzások rendesen, mikor egyesek abszolúte és minden előfeldolgozást elvetnek…
(Amúgy személy szerint egyes, kettes vagy hármas terület? 🙂 )
@snakekiller23: nem, ez nem volt ismert „technika” a 80-as evekben. gyakorlatilag csak az elmeleti alapok voltak meg. az utobbi par ev nehany huzasa kb. annyira erositette meg a deep learninget, mint a 80-as evek ota a szemelyi szamitogepeket.
@christvhu: és R.Daneel Olivaw és az a robottársa is, akinek mindig elfelejtem a nevét és aki tulajdonképpen egy zseniális – távoli bolygólakó – lány elrontott teremtménye, vagy dajkarobotja volt: hiába öregszem, újra kéne olvasni elmerülni abban a biztató jövőben ahol nem lehet úr semmiféle Öszvér rajtunk, legyen bármennyire tehetséges is.
OV. is bele van írva a történetbe, eljön az ő alkonya is.
@ATCG: Nem is tudom, nem- e szomorú kor az, ahol már csak Hari Sheldon pszichohistória jelenti a reménysugarat…
A másik robot talán Dars valami volt, és Daneel elvette feleségül?
Ja, ezt tényleg újra kell olvasni. Most jobban, mint máskor….
@jotunder:
Nem tudom, a most sztarra valt emberek, mint Hinton vagy Le Cunn ki szoktak emelni, hogy a neuralis halok kapcsan a kutatas azert rekedt meg elmeleti vagy kiserleti stadiumban 20-30 evig, mert anno egyszeruen fel sem merult, hogy ekkora es ilyen minosegu training setek valaha rendelkezesre fognak allni, plane hogy emberi ido alatt fel lehet majd oket dolgozni es lenne is ertelme. En ugy vettem, hogy a fo akadalyok szerintuk foleg pszichologiaiak es fizikaiak voltak.
http://www.nbcnews.com/storyline/2016-election-day/trump-victory-le-pen-farage-orban-congratulate-fellow-populist-n681211
@christvhu: Á, nem vette el. Ez az ütött kopott elrontott robot volt az, aki fölül tudta írni magában azt a parancsot, hogy egy emberi lény minden körülmények között érinthetetlen egy robot számára, történetesen még akkor is, ha az illető ember az egész emberi fajt veszélyeztetné egy adott pillanatban, és ezt parancsfölülírás-gátat el tudta törölni Daneelnél is, aki az ő pusztulása után egyedül maradt meg örzőnek, az emberi nem és Harry Sheldon emléke és eszméje időtlen-időkig való örzőjének.
Hogy is írta Ady, hogy mondta Latinovits?: „Őrzők, vigyázzatok a strázsán.”
@jotunder: Nagyon kevés és szisztematikusan torzított adatból dolgoztak, a modellek is hozzávetőlegesek, szerintem eléggé a sötétben tapogatóztak. Az oroszok egyébként Zsirinovszkij-hatás néven emlegetik azt, amikor az egyik választási lehetőséget ciki nyíltan vállalni, és emiatt a pollok alulmérik.
Érdekes (bár jogilag ingoványos) lenne viszont egy olyan kísérlet, amibe beleteszünk mindent, amink jelenleg van. Még ott is van torzítás (a szavazati joggal rendelkező technofóbok, amishok, miegymás), de az manapság már elég kevés, és talán közvetetten észlelhető.
Nálunk pl. van olyan adatbázis, amiben kb. 3 milliárd eszköz helyzete és mozgása van, köztük gyakorlatilag minden amerikai telefoné is. Néhány másikban a hozzá tartozó emberek dolgai. Kapcsolatok, üzenetek, emailek, chat, fényképek, backupok, browser history, vásárlások, zenék, kedvenc filmek, appok. Újabban egy személyiségmodell is neurális hálóként.
Van hozzá infrastruktúra, a régi időknél 10+ nagyságrenddel nagyobb kapacitások, petabites hálózatok, meg ami kell.
Mellette ott a DeepMind, annak az összes mutációja, meg még 3 másik ML framework, amik másra vannak kihegyezve (bár azokban semmi forradalmi nincs ML szempontból). Persze sokan mondják, hogy nagyobb a füstje, mint a lángja, de a DeepMind azért elért pár kisebb-nagyobb áttörést az elmúlt pár évben. Egy része publikus, abból idén volt két Nature címlap többek között. Talán végre halad a dolog valamerre.
@stefan75: A slate arra célzott, hogy beletették, amit törvényesen beletehettek. És nem vették észre, hogy itt valami bűzlik.
edition.cnn.com/2016/11/12/politics/pollster-eats-bug-after-donald-trump-win/index.html?iid=ob_lockedrail_topeditorial