在数据科学项目中，解决问题并不仅仅意味着构建机器学习模型。实际上，关键在于假设生成——这一步骤要求将问题解决技能与商业直觉相结合。这是确保数据科学项目成功的关键步骤。
假设生成是对影响业务问题的多种因素的有根据的“猜测”，这些因素需要使用机器学习来解决。在构建假设时，数据科学家不应基于任何证据知道生成的假设的结果。
“一个假设可以简单地定义为一个猜测。一个科学假设是一个明智的猜测。” —— 艾萨克·阿西莫夫
假设生成是任何数据科学项目中的关键步骤。如果跳过或草率处理这一步骤，项目失败的可能性将成倍增加。
这是一个非常常见的错误，数据科学初学者会犯这样的错误。假设生成是一个以有根据的猜测开始的过程，而假设检验是一个过程，用来得出结论，即有根据的猜测是真还是假，或者变量之间的关系是否具有统计显著性。
后者可以用于进一步的研究，使用统计证据。根据用于测试假设的测试的显著性水平和测试分数，接受或拒绝假设。
以下是假设生成在数据科学中非常重要的5个关键原因：
1. 假设生成有助于深入理解业务问题，推断影响目标变量的各种因素。
2. 将更好地了解哪些主要因素负责解决问题。
3. 需要从各种来源收集数据，这些数据是将业务问题转化为基于数据科学的问题的关键。
4. 如果对领域不熟悉，提高领域知识，因为花时间理解问题。
5. 有助于以结构化的方式解决问题。
百万美金的问题——何时应该进行假设生成？
假设生成应该在查看数据集或收集数据之前进行。
将注意到，如果已经充分地进行了假设生成，将在假设中包含了数据集中的所有变量。
也可能包括了数据集中不存在的变量。
让看看“纽约市出租车行程持续时间预测”的问题陈述，并生成一些假设，这些假设将影响出租车行程持续时间，以理解假设生成。
问题陈述：预测行程持续时间，以便公司可以分配空闲的出租车进行下一次行程。这将有助于减少客户的等待时间，并赢得客户的信任。
1. 基于距离/速度的特征
让尝试提出一个与行程持续时间有关的公式，并帮助为问题生成各种假设：
TIME = DISTANCE / SPEED
距离和速度在预测行程持续时间中起着重要作用。
可以注意到，行程持续时间与行驶距离成正比，与出租车的速度成反比。利用这一点，可以根据距离和速度提出假设。
距离：出租车行驶的距离越长，行程持续时间就越长。
内部下车点：下车点在拥堵或内部车道可能会导致行程持续时间增加。
速度：速度越高，行程持续时间越低。
2. 基于汽车的特征
汽车有各种类型、大小、品牌，这些汽车特征对于通勤不仅基于乘客的安全，而且对于行程持续时间至关重要。让现在根据汽车的特征生成一些假设。
汽车状况：状况良好的汽车不太可能出现故障问题，可能有较低的行程持续时间。
汽车大小：小型车（掀背车）可能有较低的行程持续时间，而大型车（XUV）可能有更高的行程持续时间，这基于汽车的大小和城市的拥堵情况。
3. 行程类型
根据行程供应商，行程类型可能不同——可能是出城行程、单程或拼车。让现在根据使用的行程类型定义一个假设。
拼车：拼车行程可能会导致行程持续时间更长，因为汽车在到达分配的目的地之前会到达多个地方。
4. 基于司机详情的特征
在通勤时间方面，司机是一个重要的人物。关于司机的各种因素可以帮助理解行程持续时间背后的原因，这里有一些假设。
司机年龄：年长的司机可能更小心，可能会导致行程持续时间更长。
性别：女性司机可能会开车更慢，可能会导致行程持续时间更长。
司机经验：驾驶经验很少的司机可能会导致行程持续时间更长。
医疗状况：有医疗状况的司机可能会导致行程持续时间更长。
5. 乘客详情
乘客可以有意或无意地影响行程持续时间。通常会遇到乘客要求司机加快速度，因为他们快要迟到了，还有其他因素可以进行假设，可以看看。
乘客年龄：老年人作为乘客可能会导致行程持续时间更长，因为司机在涉及老年人的行程中倾向于开得更慢。
医疗状况或怀孕：有医疗状况的乘客会导致行程持续时间更长。
紧急情况：有紧急情况的乘客可能会导致行程持续时间更短。
乘客数量：乘客数量多会导致行程持续时间更短，因为座位拥挤。
6. 基于日期-时间的特征
一周中的哪一天和一天中的时间很重要，因为纽约是一个繁忙的城市，可能在办公时间或工作日非常拥堵。让现在基于日期和时间生成一些假设。
接客日：周末可能会导致更多的出城行程，可能会有更长的行程持续时间。
工作日由于交通繁忙，行程持续时间更长。
如果接客日是假日，那么行程持续时间可能会更短。
如果接客日是节日周，那么行程持续时间可能会更低，因为交通较少。
时间：清晨的行程由于交通较少，行程持续时间更短。
傍晚的行程由于高峰时段，行程持续时间更长。
7. 基于道路的特征
道路有不同类型，道路状况或道路上的障碍是不可忽视的因素。让根据这些因素形成一些假设。
道路状况：如果道路状况不好，行程持续时间会更长。
道路类型：在混凝土道路上的行程往往有更短的行程持续时间。
道路上的罢工：在行程方向上的道路上进行的罢工会导致行程持续时间增加。
8. 基于天气的特征
天气随时都可能变化，如果天气变坏，可能会影响通勤。因此，这是假设中需要考虑的一个重要特征。
行程开始时的天气：雨天会导致行程持续时间更长。