模型材料

每天学习一个查理芒格的100个思维模型

发布时间:2023/5/5 15:25:36   

查理芒格认为,每个学科都是从一个独特的角度去切入了解这个世界,都是一个摸象的瞎子。要对世界有真实的了解,就必须掌握多个学科的核心思维方式。

当然,查理芒格本身是个天才,他能够超快速的学习,从而掌握多个学科的内容,至于我们普通人,则没有这样的精力和智力了。但是,这并不改变查理芒格的多元思维方法的本质,其本质依然是,一个人需要有大量的不同思维模型,才能发展出超常的思维能力。我的能力远不及查理芒格,我也无法像他那样精通各个学科,但我依然可以学习他的思维发展路径——通过大量思维模型来提高自己的思维能力。

芒格学院对思维模型进行了汇总。希望能够让读者有一个学习的纲领性认知。这里主要研究思维方法及学习策略。在讲述这些思维模型的时候,不仅会讲述模型本身,也会使用深度理解策略、认知阶梯策略等学习策略,对思维模型进行加工。

所以,大家可以看到的其实有两个维度的东西:思维模型本身,以及我对各种学习策略的使用——这不仅是一份思维方法的教材,也是一份学习策略的教材。

04

决策树思维模型

面对不确定性,如何做决策

人生每天每时每刻都处于不断选择的状态,小到午餐吃什么,大到在哪里买房。

任何一个选择都可能会产生蝴蝶效应,正确的事半功倍,错误的事倍功半。

例子:男怕入错行女怕嫁错郎

毕业后10年的同学聚会,因为各自的选择不同,价值观不同;

有的人商业顺风顺水、大富大贵;

有的人仕途平步青云,扶摇直上;

有的人看破红尘,皈依佛门;

有的人无所适从,一成不变,不断重复以前的自己。

当时都在一个起跑线上,为什么过了10年就发生了这么大的变化呢,可能就是当初的一个选择,造就了以后不同的人生走向。

那有没有一个工具可以帮助我们做出正确的选择?

答案是:有的。顶级高手都喜欢使用的一款工具:决策树。

一、认识决策树思维模型

1.决策树思维模型定义

决策树是一种十分常用的分类方法。决策树是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。

2.决策树思维模型用途

1、决策树其实多应用于企业经营管理中,有专业软件和算法,非常复杂,属于机器学习的工具;

2、我们取其精华,应用到个人的生活、工作中,辅助我们做一些重大的决策;

3、决策树的思维模型相当科学、相当客观、相当理性,在下面的分享中会一一举例阐述。

二、决策树学习

决策树是一个树结构,可以是二叉树或非二叉树,在机器学习/数据挖掘中,使用决策树作为预测模型来对预测样本进行分类,这种决策也叫分类树或者回归树。

决策树的核心部分是:

由节点和有向边组成

节点由内部节点和叶子节点组成

内部节点表示一个特征,叶子节点表示一个类

决策树的使用过程是,从根节点开始,有向到达内部节点进行特征判断,并按照值选择输出分支,直到到达叶子节点,叶子节点存放的类别作为决策结果

决策树表示如下(买瓜):

构建决策树的先决条件:

有明确的分类目标

对样本数据有明确的特征项

特征项有两种以上的决策结果

需要明确的是,数据挖掘中的决策树是根据样本数据事先构建出来的,然后输入其他同类实例达到分类效果

决策路径演示:

纹理?(稍糊)触感?(硬滑)好瓜

纹理?(清晰)根蒂?(稍蜷)色泽?(浅白)好瓜

脑瓜灵光的同学不难发现一个问题,为什么根节点是“纹理”而不是“根蒂”?,这是以什么标准来选择特征的?

这就是决策树的关键步骤:分裂属性

三、应用决策树的五个条件

四、决策树的应用

用决策树其实也很简单,主要三个步骤:

1、画决策树(画出分支);

2、分析各种几率和收益损失;

3、反向求解(从末端开始向前推导,确认每个分支的价值,然后在每个结点处找出自己应该做的选择)。

决策树的4个作用:

1、帮助我们选择平均回报最高的决策,

2、根据别人的选择推测他人对事件发生几率的预测。

3、推测价值,或是别人认为的价值。

4、判断信息价值。

例子:

决策树作用:帮助我们选择平均回报最高的决策。

例1:一次分叉决策树。

假设现在2点,你要去做火车,3点的票元,但是40%的概率赶不上,4点的票元。应该怎么买?

算一下期望,买3点的票期望:=0.6*+0.4*=元,比少,应该买三点的票。

画成决策树就是:

?位置的数值,由两个分支结点可以算出来为元。所以选3点的票,更高概率能省钱。

例2:两次分叉决策树。

现在你想要参加一场比赛,奖金有元。有初选和决赛两个环节。

初选,人参加,报名费20元。

决赛,10人进决赛,需要40元准备材料。

假设每个人的概率都相同,你应该参加初选和决赛么?

初选人,所以参加初选进决赛的概率=1/=0.05,没进的概率0.9。

决赛10人,所以参加决赛夺冠的概率=0.1,收益-60元,没夺冠的概率0.9,损失等于两次费用60元。

决策树:

可以先算出参加决赛的期望:B=0.1*-0.9*60=,对比损失20元,应该参加决赛。

然后可以算出参加初赛的期望:A=0.05-0.95*20=3,应该参加初赛。

如果参赛的人再多一点点,比如人,初赛胜出概率变成0.04,期望A的结果就变成了-1.6。这时候就不该应参与了。

五、总结

理性分析

创建达到目标的规划

决策树建立并用来辅助决策。在生活中,工作中我们碰到一些比较繁琐的或不确定因素较多的问题时,我们可以尝试自己建设一个或者模仿一个决策树,结合决策树得出的客观数据,利用自己丰富的经验、学习或请教高人策略,综合评估后得出最科学、最客观、最理性的决策。

决策树的优点:

(1)具有可读性,如果给定一个模型,那么根据决策树很容易推理出相应的逻辑表达。

(2)分类速度快,能在相对短的时间内对大型数据源做出可行且效果良好的结果。

决策树的缺点:

对未知的测试数据未必有好的分类、泛化能力,即可能发生过拟合现象,此时可采用剪枝或随机森林。



转载请注明:http://www.aideyishus.com/lkyy/4378.html
------分隔线----------------------------