若要我選出2013年對我思考有幫助的20本書，這本一定在其中。
(當然不是說我去年只看20本書 XD，去年的閱讀總量有紀錄的是283本……)
預測最難的部分：從巨量資料中分辨出雜訊和真正的信號。
無論統計的結果如何，如果你沒辦法找到它背後的道理，那就代表這次的分析出了問題。
人總是照自己的意思解釋事情，完全錯失了這些事情本身真正的意義。 --莎士比亞
我們永遠不可能做出完全客觀的預測。預測永遠都會受到我們主觀看法的影響。
對卡爾.波普(科學哲學家)來說，一個假設，除非可以被證明為偽，不然就是不科學的。
風險與不確定性的差別：風險可以標上價格，像是發生的機率為1/10，不確定性是難以衡量的風險，對於潛藏其中的魔鬼，或許有些模糊的印象，但你不清楚到底有多少魔鬼，也不知道它們什麼時候要攻擊。
評等機構做的就是粉飾不確定性，使之看起來或感覺像是風險。
預測模型三原則：
1. 用機率思考
不是丟出一個數字，宣稱會知道什麼事，而是提出一個範圍的可能結果。
(如果什麼因素多了五個百分點，那成功的機率就多了xx%。)
2.今天的預測就是你餘生的第一個預測
正確的態度就是你應該做出今天最有可能的預測。
(不管之前說過了什麼。『事實改變的時候，我就改變我的想法』--凱恩斯)
3.尋求共識
集體或團體的預測通常比單獨的預測更準確，但這不表示團體的預測就是好的。
做好預測的關鍵在於不要限制自己只看量化的資訊，關鍵在於適切評估資訊的良好過程。
(亦即發展工具和習慣。)
因為電腦程式對氣象系統中自然發生的反饋過度敏感，會開始產生自己的反饋。這不只是在雜訊中再也找不到訊號而已，雜訊還被放大了。
預報最重要的檢驗標準之一，稱為校準(calibration)。(也就是好好利用回饋。)
在統計學上，把雜訊當作訊號的動作稱為過度配適(overfitting)。
如果我們不知道、或是不在乎關係的真實狀況，就會有很多理由讓我們傾向於將模型過度配適。
過度配適代表的是雙重打擊：這樣會讓我們的模型在書面上看起來比較好，但在現實世界的表現比較糟。因為後面這項特質，所以過度配適的模型如果拿來做真實的預測，最終還是會得到應有的懲罰。而由於前面那項，所以模型表面上看起來比較今人印象深刻，號稱可以做出非常正確、有報導價值的預測，代表比之前運用過的技術更進步，直到遭到懲罰為止。這樣會議這個模型比較容易登上學術期刊，或是賣給客戶，把比較誠實的模型排擠出市場之外。但如果這個模型配適的是雜訊，就有可能會傷害到科學。
沒有脈絡，資料就沒有用。
我們的社會對專家有需求，但是我們對於正確的預測其實沒那麼大的需求。
外推法(extrapolation)是非常基本的預測方法——通常來說，太過基本了。這個方法包含的假設是：目前的趨勢會無限的延續下去，直到未來。有些最知名的預測失誤都是太過隨意應用這個假設所造成的。
預測這個動作本身就可以改變人們的行為方式。
有時候，這些行為改變會影響預測本身的結果，可能會讓預測失效。
一個好的模型就算失誤了也會很有用。「想當然爾，不管我們做什麼樣的預測，平均來說都會是錯的。」奧佐諾夫告訴我。「所以重點通常在於了解是怎麼錯的，錯了的時候該做什麼，還有錯了的時候要怎麼把我們的代價減到最低。」
關鍵在於要記得，模型是種工具，幫助我們了解宇宙的複雜，而永遠不能代替宇宙本身。這一點不止在我們做預測時候很重要。
貝耶斯的主張不是說這個世界本質上就是機率性的或不確定的。
他們的主張應該說是種陳述－－用數學和哲學的方式表達－－我們如何認識這個宇宙:我們用趨近法認識宇宙，隨著我們收集的證據越多，我們越來越接近真理。
貝氏定理與條件機率有關。也就是說，這個定理會告訴我們如果某些事件發生之後，某個理論或假設為真的機率有多少。
貝氏定理背後的概念不是要我們只要更新一次機率的估計就好。而是說，隨著我們看到新的證據出現，我們就應該不斷地這樣做。
在人生大部分的領域中，最重要的是想出機率，而不是提出是與否。
任何預測模型的目標都在於捕捉到的訊號要盡量的多，雜訊要盡量的少。
「你的模型越複雜，預測就越差。」
在正式的用法上，「共識」(consensus)跟「一致同意」(unanimity)並不是同義字」」不是達到了單純的多數。共識隱含的是經過商議的過程後大體上意見一致」」在這段時間中，團體的大多數成員會統整成某個特定的想法或替代方案。(例如：「我們達成共識，要吃中國菜當午餐，但是賀拉修決定要吃披薩。」)
事實上，以共識為導向的過程通常代表的是投票的替代方案。
貝氏定理鼓勵我們，對自己衡量新資訊的方式要自我要求。要是我們的想法值得，我們就應該願意建立可以證偽的假設，用這些想法來提出預測，檢驗它。大多數的時候，我們不會去意識到資料中有多少雜訊，所以我們的偏差是會去太過著重最新的資料點。
但是我們如果在個人層面或專業層面上投注太多心力在某個問題上，也會有相反的偏差，在事實向我們提出挑戰的時候，沒有去挑戰自己的想法。
你越是經常願意去檢驗你的想法，你就越快會開始去避開這些問題，從你的錯誤中學習。
…… (其餘筆記放至google Docs上。)
留言