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（93 个模型）
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。
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。
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。
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。
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。
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」。
以偏概全
Hasty Generalization
小样本推大结论：基于太少的样本或不具代表性的例子，得出普遍性结论。