【噪声这本书】消除噪声判断中存在噪声,但判断模型中没有

原创 [db:作者]  2021-09-15 15:43  评论 0 条

本文选自 丹尼尔·卡尼曼新作《噪声》,扫上面码免费领电子书

消除噪声

判断中存在噪声,但判断模型中没有

人们往往相信自己的判断能更好地考虑问题的复杂性和微妙的细
节,但复杂性和微妙的细节基本上没什么用,因为它们并不会提
升简单模型的准确性。

在保罗。梅尔的书出版60多年后的今天,机械性预测优于人类的
判断这一观点仍然令人震惊。

判断中有很多噪声,因此无噪声的判断模型会做出更准确的预
测第10章
无噪声的规则

近年来,人工智能 (Artificial Intelligence) 特别是机器学习
技术让机器能够执行许多以前只有人类才能执行的任务。机器学习算
法可以承担人脸识别、语言翻译、分析医学影像等任务,并且可以以
惊人的速度和准确性来处理计算问题,例如为成千上万名驾驶员迅速
规划行车路线。它们还可以执行困难的预测任务,预测美国最高法院
的判决,识别哪些嫌疑人更可能在保释期逃脱;评估儿童保护部门接
到的哪些电话更紧急,并需要工作人员上门访视。

尽管如今我们一听到“算法”一词,首先想到的是上面这些应
用,但这个词还有更广泛的含义。在词典中,算法的定义是: 在解决
计算或其他问题时〈尤其是借助计算机) 所遵循的步骤或规则。根据
这一定义,我们在上一章中所描述的简单模型和其他形式的机械性判
断也属于算法。

事实上,从简单的规则到最复杂且难以理解的机器学习算法,许
多机械性方法都可以胜过人类的判断。机械性方法之所以有这种出色
表现,一个关键原因可能是所有机械性方法均无噪声,尽管这不是唯
一的原因。

为了研究不同类型的基于规则的方法,并了解每种方法为何以及
在何种条件下更有价值,我们从第9章的基于多元回归的简单模型〈即
线性回归模型) 开始我们的旅程。由此出发,我们将在复杂性频谱上
朝着两个相反的方向前进,首先从极端简捷 的一端开始,然后朝着逐
渐复杂的方向前进〈见图10-1) 。

关于噪声书籍相关推荐:

丹尼尔卡尼曼 噪声,噪声卡尼曼,卡尼曼预期理论

历史上的今天:

文章标签:
特别说明:如果本书连接失效,关注微信公号补发:扫描二维码全民阅读epub的公众号,公众号:今日干货分享
版权声明:【噪声这本书】消除噪声判断中存在噪声,但判断模型中没有》,版权归 [db:作者] 所有,侵删!

发表评论


表情