雅书

跟之前的啥简捷启发式思想差不多，就是多了些与时俱进的例子

奔着吉仁泽名头买的。说是最新研究是指加入了机器学习和认知心理学内容吗？ 感觉与他之前的作品没有太大的不同/突破呀？ 例子还是医院、银行……

分类思维的入门，如最后总结章费曼的引言一样，“我可以与不确定、不知道共存。我觉得比起知道可能是错的答案，不知道反而更加有趣。”/比起在不确定中寻求确定和优化，更简单快捷（同时保证效率在误差内）的方法或许不应依靠复杂的信息网络和大数据处理决策树，而是利用树立根本的“准则”/“规则”来进行1/0测试，主要介绍的计数法和快速节俭分类器（发现线索/规则，一次考虑一个因素，重要级优先，正确理解敏感度、特异度和阳性/阴性预测），在其目的是为了减少漏报和误报时，这两项同样有效。机器学习的前提是世界的稳定性，当稳定性不存在或人群区隔明显时，机器学习的效能就会低于节俭器分类。看完就对大规模核suan测试中咽拭子和自测何时使用有方法论的理解，也能理解看门诊时，医生例行公事一般问基础问题，其实都是为了快速分类。

人脑进化在于，使用有限信息快速运转，而非依赖详尽全面的信息搜索、耗时且难以驾驭的算法，背后是人脑有着快速低耗能的分类识别机制，在我们的“本能”下直接判定。有别于实验室和理论推演，现实生活里没有足够的时间和充足的信息，作者坚决反对“复杂问题需要复杂的机制才能解决”的理念，主张大道至简，比如灾难之后如何在现场及时分诊，及时合理调配医疗资源；飞行时发动机崩溃，机长如何选择迫降地点？伊拉克哨岗士兵如何识别迎面而来的车辆中是自杀式恐怖分子还是平民？AI至今尚未掌握人脑的分类技能，难以通过重复性练习习得背后的判定，人脑不透明且快速的分类机制具有极高通过性（容忍有误差），保障安全避险。作者给出了不少二叉树分类案例，在模糊情境下仿照人脑给予排序，整体上判定不错。应了那句话，问题的答案往往般是简单且富含美感的

思维是容易理解的，但是分类器却很难选，要运用自如这种思维，丰富的经验、至少是适当的培训是必不可少的。

扫了一遍，没太看明白，或者说，没有耐心看论证的过程，就记个结论：奥卡姆剃刀原则

不得不承认，我在第一次阅读这本书的时候，睡着了……但这不代表它的内容枯燥乏味，而是我原以为它是思辩方法论类的书籍比较好读，结果学术性非常强并且非常严谨，推荐给那些想深入研究生活、工作事件中的分类思维和逻辑的人，如果你日常习惯于阅读论文，应该读读它，它要比论文结合实际多一些，如果你总是读思辩方法论类的图书，也不妨试读一下，感受学术逻辑下的思考启发。

简洁启发式+如无必要勿增实体。这书有点啰嗦，稀释了主题，当然主题本身也没有太深刻，不是一本方法论作品，更像是一本大型案例集…PS：复述方法论很简单，然而你想用某个方法论，这个刻意是训练出来的，就看几本书，应该不会有长进。

wflbb

“白宫钥匙”这个真的挺有趣！2016年11月8号的这次希拉里和特朗普的竞选，名义调查、《纽约时报》、统计学家都预测希拉里获胜概率较高，甚至有作家在《福布斯》上说，如果相信大数据就可以开始为希拉里的总统任期做规划。其中有位异见者预测特朗普胜，他研发了“白宫钥匙”竟然正确预测了1984年至今所有的总统竞选。“白宫钥匙”用的就是分类思维里的简单计数。这个简直刷新认知了，原来分类思维这么有用呀，准确性可以与现在的计算机技术大数据、严谨的统计学、甚至先进的名义调查媲美。分类思维简单好用，准确率高，能帮助我们更好地做决策。再也不用瞎纠结内耗了。

仿佛啃了一部论文。学到一个道理，不知道怎么决策时，就用简单的规则。

不确定构成了人类存在的意义。如何在不确定中找到确定，是人类的另一个意义。真正合理的决策，就是在不同的情境中，找到相对的确定。

计数法 快速节俭树

什么玩意啊，长书评全是刷的，同样的模板。说一套话，加几个图片， 不过这正对应了作者的一些观点，生态理性；熟悉信息的简洁启发，

YY

核心观点：如果世界是不稳定的，即未来会以不能预料到方式变化，简单透明就是更好的方式。简单透明和准确度并不矛盾。

快速节俭决策树

真的不要简单问题复杂化 不如简单好使 还有命名也是 什么启发式 计数规则 快速节俭分类器……不就列举+排除么……

熟悉吉仁泽就更容易理解此书。现实复杂情景下启发式的“快速节俭树”决策优势显而易见，困难在于如何分类和线索排序，而这正是这本书的最大贡献。

之前大致读过，只读了部分自己感兴趣的案例，当时忘记及时写书评了，现在回忆下，白宫钥匙记忆深刻，以后可以延伸多重玩法。 说白了就是大道至简，好用的方法论不一定要复杂，重在逻辑、条理清晰。