按标签浏览
按模型性质、应用层次、难度、重要性、来源、人名、公司等维度筛选
👤人名（38 个）
筛选结果（336 个模型）
贝叶斯推理
Bayesian Inference
用新证据更新信念：先有初始判断，看到新证据后，按贝叶斯公式更新概率。
均值回归
Mean Reversion
极端之后会回归平均：表现远超或远低于平均的，后续往往会向平均水平靠拢。
幂律分布
Power Law Distribution
少数占大多数：分布高度不均，少数个体占据大部分资源，如财富分布、城市规模、网站流量。
小世界网络
Small-World Network
既有局部聚集又有短路径：大多数连接是局部的，少数长连接大幅缩短任意两点的距离。
因果推断
Causal Inference
从数据中推断因果关系：用随机实验、自然实验、匹配等方法，区分相关和因果。
回归分析
Regression Analysis
用变量预测另一个变量：建立自变量和因变量之间的数学关系，用于预测和解释。
聚类分析
Cluster Analysis
把相似的对象分组：无监督学习方法，根据相似度把对象分成不同的簇。
假设检验
Hypothesis Testing
用数据判断假设是否成立：提出原假设和备择假设，用统计量判断是否拒绝原假设。
P值
P-value
观察到当前结果的概率：在原假设成立的条件下，观察到当前或更极端结果的概率，越小越显著。
分形
Fractal
局部与整体自相似：分形物体在不同尺度上具有自相似性，局部放大后看起来像整体。
S曲线
S-Curve
增长先慢后快再慢：事物增长通常呈S形——初期缓慢，中期快速，后期趋于饱和。
蚁群算法
Ant Colony Optimization
模拟蚂蚁觅食的优化算法：蚂蚁通过信息素找到最短路径，模拟这个过程解决复杂优化问题。
遗传算法
Genetic Algorithm
模拟生物进化的优化算法：通过选择、交叉、变异操作，在解空间中搜索最优解，适合复杂优化问题。
标准差
Standard Deviation
衡量数据离散程度：数据偏离平均值的平均距离，标准差越大数据越分散，越小越集中。
正态分布
Normal Distribution
钟形对称的概率分布：大多数数据集中在平均值附近，越往两端越少，是自然界最常见的分布。
逆向思维
Inversion
反过来想：不要问如何成功，先问如何必然失败，然后系统性地避开它。避蠢优于求智。
第一性原理
First Principles
剥开类比与惯例，回到最基本的不可再分的事实，从那里重新推理——别人告诉你「是什么」，你问「能是什么」。
奥卡姆剃刀
Occam's Razor
如果多个解释都能说明同一现象，优先选择假设最少的那个——如无必要，勿增实体。
汉隆剃刀
Hanlon's Razor
能解释为愚蠢的，就不要解释为恶意——大多数伤害来自无能而非蓄意。
功利主义（效益主义）
Utilitarianism
判断行为对错的标准是「最大多数人的最大幸福」——结果好就是好，动机不重要。