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（427 个模型）
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。
哥德尔不完备定理
Gödel's Incompleteness Theorems
任何足够强的公理系统都有不可证明的真命题：哥德尔证明了任何包含算术的公理系统，要么不完备要么不一致。
辛普森悖论
Simpson's Paradox
分组趋势与整体趋势相反：在每个分组中都成立的趋势，在合并后可能反转，是数据分析中的经典陷阱。
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。
实用主义
Pragmatism
一个观念的「真理性」取决于它的实际效果——有用就是真理，能解决问题就是好理论。
怀疑论（怀疑主义）
Skepticism
对一切断言保持质疑，要求证据——不是否定一切，而是「不轻易相信，除非有充分理由」。
还原论（还原主义）
Reductionism
把复杂系统拆解成最小组成部分来理解——理解了零件，就能理解整体。
整体论（整体主义）
Holism
整体大于部分之和——系统的属性不能通过单独研究部分来完全理解，必须看整体和互动。
鳄鱼悖论
Crocodile Paradox
无解双向博弈死局：用自指回答让规则执行者陷入逻辑矛盾，无论如何选择都会自相矛盾。
上帝悖论（全能悖论）
Omnipotence Paradox
全能者能否造出自己搬不动的石头？正反答案都会推翻「全能」设定，专门击破闭环绝对规则。
疯子理论
Madman Theory
极致理性容易被规则和预判限制，看似不计后果的疯狂选择可以跳出对手模型，打破既定博弈框架。
回溯推理法（逆向推理）
Backward Reasoning
从最终结果反向推导，一步步还原事件过程和起因——不是问「接下来会怎样」，而是问「要得到这个结果，之前必须怎样」。
由果推因（由果溯因）
Reasoning from Effect to Cause
依靠已知现象和结局反向拆解背后的布局、规则与起因——从「是什么」反推「为什么」。
吉德林法则（吉德林定律）
Kidlin's Law
把麻烦梳理清楚、明确问题所在，困境就已经解决一半——认清矛盾是化解危机的第一步。