《雜訊：人類判斷的缺陷》

雜訊：人類判斷的缺陷

邊看邊紀錄的噗，歡迎插樓，如果我有好好看完+沒有偷懶應該會再整理重點。
先說我邊看邊睡 XDDDD
書籍心得

前幾章感覺就是在複習統計學，之前看的時候狂度估
如果有學過統計學的話可能會有點小混亂，因為作者為了說明方便有換掉一些統計學常用名詞XD

接下來用很隱諱的方式講了人類判斷、線性模型和非線性模型的優劣處，有學過機器學習應該很好理解。

簡單來說，雜訊是「變異數（標準差）大」（分布很散），偏誤是「和真實平均的差異」（跟平均值偏差了多少），用一張我畫的很醜的圖解釋一下意思：
減少雜訊可以讓分布變集中，減少偏誤是平移分布。
很重要的概念是，雜訊和偏誤是獨立的概念，兩者對誤差的影響是相同的。

至於這種雜訊可以來自個人自己的雜訊（個體內的信度），也可以來自不同人間的雜訊（個體間的信度）。
例如一個法官在肚子餓的時候和吃很飽的時候，就可能對同一起案件做出不一樣的量刑（個體內的信度）；
而多個法官對於同一起案件做出的量刑差異，則是個體間的信度。

目前都能聽懂（？

ㄋㄧㄠˇ : 其實不難🤣 就是很多我已知的東西；機器學習的部分我應該就不寫了，裡面的觀念很基礎。

書裡對機器學習的讚揚是可以消除雜訊。因為訓練好的模型權重已定，所以同一個案例丟給同一個模型，會得出一樣的判定。

最近剛好看到一篇雜訊的例子。
這段話的邏輯基本上就是：

人會死→貓也會死→貓是人（？）
我知道他是想吐槽「拿這種不管哪個世代都很重視的事情當Z世代的特徵莫名其妙」
但不是理直氣壯的吐槽就是對的啊www