统计学上四种认知偏见
我在学习统计学时学到的四个人生教训:
1.假阳性与假阴性:
更少的假阳性往往以更多的假阴性为代价,反之亦然。
人生经验:
- 你的标准越不严格,你需要处理的垃圾就越多,但是你的标准越严格,你错过的真正好的东西就越多。
- “错过机会”换来了“不浪费时间”。“浪费时间”获得了“永远不会错过机会"。
2.过度拟合与欠拟合:
灵活性较低的模型无法拟合数据。更灵活的模型倾向于选择不能泛化普及的模式。
生活经验:
- 过度思考会让你更容易看到不存在的模式。它会把你变成一个错误的信息机器。
3.偏差与方差:
- 更复杂的模型给出的答案给予不太一致。
- 不太复杂的模型给予的答案更有偏见。
生活经验:
- 在微妙的思想和共识之间有一个自然的权衡。
- 当专家提出不同意见时,人们会很生气,尤其是当非专家不同意时,但实际上这正是你所期望的。
4.不确定性的诅咒:
指定一个固定数量的场景上下文来学习,有一个点,超过这个点,考虑额外的因素就失去帮助作用。
人生经验:
- 如果你没有经历过什么,那就把事情简单化。没有经验的细枝末节是有害的。
总结:
- 我看到的共同主题是,对于像我这样过度思考的人来说,这些都是警示故事。
- 作为一个理性的人,我们所能知道的东西在数学上是有限的。
- 知道何时思考是一种智慧,但知道何时停止思考也是一种智慧。