小節(jié):categorical models

一晨仑、分類模型
1.舉例胖喳,幾十年前歇终,如果你是華爾街投資人洒嗤,對于Amazon公司利朵,你覺得它是否有投資價值煌妈?
a坤塞,有投資價值焕济,因為他是info公司慢味,所以有投資價值(信息公司則不然)
b场梆,沒有投資價值,因為他不過是delivery纯路,所以沒有投資價值(因為現(xiàn)在已經(jīng)有了很多運(yùn)輸公司UPS或油,EPX,而且這個行業(yè)的利潤非常背刍!)

2.你看顶岸,不同的分類,造成了對不同公司的分類叫编,從而也導(dǎo)致了你是否會投資成功辖佣,所以,怎么進(jìn)行分類是關(guān)鍵搓逾!
我們可以把a(bǔ)和b看成兩個盒子卷谈,其實盒子就是我們對社會的認(rèn)知和框架,所以選擇哪個盒子(a或b或其他)反映出你怎樣對事物分類的霞篡,也將會影響你對這些事物的思考世蔗,還會影響你所做出的決定端逼。

3.Lump to live——為了生活,必須把東西捏成團(tuán)凸郑。其隱喻就是裳食,為了理解世界,我們創(chuàng)造了這些團(tuán)塊芙沥、盒子诲祸、各種分類,我們看到一輛車而昨,我們不會說那是幾幾年的什么款式的車(除非你是專業(yè)人士)救氯,而是會說那是一輛卡車、跑車等歌憨。我不會把事物分得一清二楚着憨,我只會將事物分門別類 這些都是為了便捷 它們幫助我們理解世界 再想想我們建立模型的原因。原因之一就是用模型幫助我們 做出決定务嫡、制定策略甲抖、進(jìn)行設(shè)計 所以把東西混在一起 有助于我們更快作出決定 我們將事物分類 說這一件我喜歡 這一件我不喜歡 這一件有風(fēng)險 這一件沒風(fēng)險

4.我們會用方差來表示物體的差值,因為平方之后不僅讓數(shù)值變成了正數(shù)好比較心铃,而且會讓數(shù)據(jù)之間細(xì)微的差異顯得明顯很多准谚,這也方便我們觀察。

步驟:
①我們會先算整體的mean(平均值)
②然后通過每個值與平均值的比較去扣,得出結(jié)果柱衔,然后平方,最終得到方差愉棱。
③然后我們加起來得到總的方差和唆铐,英文詩total variations(總方差)

R squared-R平方:表示通過那個簡單的分類,解釋的方差的百分比奔滑。(即為方差/總方差的百分?jǐn)?shù))


R的公式.png

0-------------R--------------1(R 距離0和1的值艾岂,取決于數(shù)據(jù)的準(zhǔn)確性)

!E笃洹王浴!專家與非專家之間的一個區(qū)別就是:專家傾向于more boxes,也就是更多的分類令宿,也就是在某個領(lǐng)域叼耙,分得越來越細(xì)腕窥,也就是越來越接近分子成面粒没,就是我們可能是看到森林,而他已經(jīng)看到了數(shù)目簇爆,這就是專家和普通之間的區(qū)別癞松。

K觥!响蓉!記住硕勿,correlation≠causation(相關(guān)性≠因果關(guān)系)
eg:就像一般有很好的馬術(shù)場的學(xué)校其學(xué)校的排名就會高很多,但是你不能說學(xué)校排名高是因為擁有好的馬術(shù)場枫甲,我們是只能說統(tǒng)計數(shù)據(jù)顯示有相關(guān)性源武,而不能推導(dǎo)出因果性,這點要注意想幻。

我們還可以這么想粱栖,這個世界有一個總的total variations,我們的創(chuàng)造各種不同的盒子脏毯,目的就是為了讓R的值接近100%闹究,這樣我們就能夠更好的理解這個世界,對世界的理解和預(yù)測可以更包容和準(zhǔn)確食店。

more 方差(R)→分類越好 ? more boxes →more 方差(R)
互逆過程渣淤。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市吉嫩,隨后出現(xiàn)的幾起案子价认,更是在濱河造成了極大的恐慌,老刑警劉巖率挣,帶你破解...
    沈念sama閱讀 222,729評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件刻伊,死亡現(xiàn)場離奇詭異,居然都是意外死亡椒功,警方通過查閱死者的電腦和手機(jī)捶箱,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,226評論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來动漾,“玉大人丁屎,你說我怎么就攤上這事『得校” “怎么了晨川?”我有些...
    開封第一講書人閱讀 169,461評論 0 362
  • 文/不壞的土叔 我叫張陵,是天一觀的道長删豺。 經(jīng)常有香客問我共虑,道長,這世上最難降的妖魔是什么呀页? 我笑而不...
    開封第一講書人閱讀 60,135評論 1 300
  • 正文 為了忘掉前任妈拌,我火速辦了婚禮,結(jié)果婚禮上蓬蝶,老公的妹妹穿的比我還像新娘尘分。我一直安慰自己猜惋,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 69,130評論 6 398
  • 文/花漫 我一把揭開白布培愁。 她就那樣靜靜地躺著著摔,像睡著了一般。 火紅的嫁衣襯著肌膚如雪定续。 梳的紋絲不亂的頭發(fā)上谍咆,一...
    開封第一講書人閱讀 52,736評論 1 312
  • 那天,我揣著相機(jī)與錄音私股,去河邊找鬼卧波。 笑死,一個胖子當(dāng)著我的面吹牛庇茫,可吹牛的內(nèi)容都是我干的港粱。 我是一名探鬼主播,決...
    沈念sama閱讀 41,179評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼旦签,長吁一口氣:“原來是場噩夢啊……” “哼查坪!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起宁炫,我...
    開封第一講書人閱讀 40,124評論 0 277
  • 序言:老撾萬榮一對情侶失蹤偿曙,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后羔巢,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體望忆,經(jīng)...
    沈念sama閱讀 46,657評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,723評論 3 342
  • 正文 我和宋清朗相戀三年竿秆,在試婚紗的時候發(fā)現(xiàn)自己被綠了启摄。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,872評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡幽钢,死狀恐怖歉备,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情匪燕,我是刑警寧澤蕾羊,帶...
    沈念sama閱讀 36,533評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站帽驯,受9級特大地震影響龟再,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜尼变,卻給世界環(huán)境...
    茶點故事閱讀 42,213評論 3 336
  • 文/蒙蒙 一利凑、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦截碴、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,700評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至蚯嫌,卻和暖如春哲虾,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背择示。 一陣腳步聲響...
    開封第一講書人閱讀 33,819評論 1 274
  • 我被黑心中介騙來泰國打工束凑, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人栅盲。 一個月前我還...
    沈念sama閱讀 49,304評論 3 379
  • 正文 我出身青樓汪诉,卻偏偏與公主長得像,于是被迫代替她去往敵國和親谈秫。 傳聞我的和親對象是個殘疾皇子扒寄,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,876評論 2 361

推薦閱讀更多精彩內(nèi)容