google和研究文學的教授一同研究，看能不能用隱喻的作品資料，去預測作者的政治傾向。在完成模型後，他們發現準確率超高，到底是為什麼呢？

文章：ML Systems in the Real World: Literature

論文：Meaning and Mining: the Impact of Implicit Assumptions in Data Mining for the Humanities

和研究18世紀英國文學的教授，一起進行文學隱喻與政治傾向的關係。他們把隱喻的句子相關資訊，和作者資料、他們的行為等等，製作一份資料集，進行機器學習。

這樣的機器學習效果十分顯著，準確率非常的高。
可是這樣的結果讓他們重新審思，是怎樣的因子讓這次的效果如此卓越，還是本身就是錯誤的？這樣的發想，他們發現一個有趣的現象。
他們以「Samuel L. Richardson」為範例，他的隱喻句子會被放到訓練集中，或是驗證集、測試集中，意思也就是說，模型在學習Samuel L. Richardson的政治傾向中，不僅只是在訓練階段學習，像是測試階段也會取得他的相關資料。因此在學習過程中，會在別的地方，非本身的訓練集中取得相關資料。這樣的效果讓模型的最後成果非常的好。
因此他們做了個比較：某個作者的資料僅放在某個資料集，像是全部放在「訓練階段」、「測試階段」等等。結果發現，效果非常的差，讓結果遠遜於預期。

所以得到一個結論，最好處理資料集的方法是隨機處理，沒有人為操作介入。因為人為操作，可能導致資料集獲得太多資訊，導致有的資料全部預測錯誤，或是有人全部預測正確。
因此我們一定要：

• 了解自己的數據內容
• 取得適當的分類方式
• 隨機分布所需的資料集：e.g.訓練、測試等等

睫毛之聲：

原來準確率太高可以發現，一些資料在放進去的時候就已經被塞選過，所以在相關的預測就會有卓越的效果。要避免介入，但要讓資料可以達到隨機目的，又不能提供太小的資料集，這樣頗有難度的！

（一開始寫的語句亂七八糟，已重新整理）