目录（点击切换）
本文选自 丹尼尔·卡尼曼新作《噪声》，扫上面码免费领电子书
蒂固的，除非算法能够达到近乎完美的预测准确性，否则这是不可能
改变的。
幸好，可改进规则和算法的相关因素同样可用于改善人类的判
断。我们不能奢望能够像人工智能模型一样有效地利用信息，但是至
少可以努力模仿简单模型的简单性和无噪声性。在一定程度上，我们
可以采用减少系统噪声的方法来提高预测判断的品质。如何改善我们
的判断力是本书第五部分的主题。消除噪声
没有噪声的规则和算法
当有大量数据时，机器学习算法比人和简单模型的预测要好。相
比于人类的判断，即使是最简单的规则和算法也具有很大的优
势，因为它们没有噪声，也不会尝试将复杂而无效的因素用于做
预测。
既然缺少预测结果所需的数据，那么为什么不使用均等权重模
型? 它几乎和最合适的回归模型一样好，且比人类视情况而定的
判断更胜一筹 。
你不认同该模型的预测? 是由于这里有“断腿”的例外情况，还
是单纯因为不喜欢这个预测?
算法当然也会犯错，但是如果人类犯的错更多，那么我们应该相
信谁?
关于卡尼曼的预期理论相关推荐:
卡尼曼心理学理论,思考快与慢启发,丹尼尔卡尼曼噪声pdf
历史上的今天:
文章标签：[db:tag]
评论已关闭！