第十九篇——信噪比:历史有真相嘛?

目录

  • 一、背景介绍
  • 二、思路&方案
  • 三、过程
    • 1.思维导图
    • 2.文章中经典的句子理解
    • 3.学习之后对于投资市场的理解
    • 4.通过这篇文章结合我知道的东西我能想到什么?
  • 四、总结
  • 五、升华

一、背景介绍

对于信噪比的理解,通过历史是否有真相这个故事来表达信号和噪音在故事中的关系和作用。

二、思路&方案

  • 1.思维导图
  • 2.文章中经典的句子理解
  • 3.学习之后对于投资市场的理解
  • 4.通过这篇文章结合我知道的东西我能想到什么?

三、过程

1.思维导图

2.文章中经典的句子理解

  • 2.1.历史没有真相,重复别人的话最没有信息量,如果讲出和别人视角不同的观点,就有信息量了(先抛出一个颠覆你认知的观点)
  • 2.2.正确的历史观,比历史细节更重要 (历史有大势:分久必合合久必分)
  • 2.3.人在任何场合,特别是和别人辩论时都不能急,一急就被对方拉入自己的主场了
  • 2.4.只要历史的信噪比足够高,就能还原出历史的大脉络
  • 2.5.很多时候我们考察的不是一条信息的准确性,而是大量数据中,有多少是准确的信息,有多少是噪音
  • 2.6.噪音特点:1.未知,而且通常是随机的 2.不含有用信息 3.噪音和信息不是绝对的,要看场景
  • 2.7.信号和噪音的关系:
  • 2.7.1.首先它们是一对孪生子,总是相伴存在的
  • 2.7.2.其次由于信号的能量和噪音的能量叠加了,因此具体到每一个信号点,它的准确性,或者说置信度,都是严重受到干扰的
  • 2.8.历史的很多细节是不准确的,而且也无法准确,因为历史书上记录的内容,信号是被噪音所覆盖的,但是,历史的轮廓还是可以看清楚的
  • 2.9.考察和判断一个人是否有处理问题的能力,不是考察他再纯粹无噪音的条件下的能力,而是要考察他能否在有噪音的情况下,依然把信息找出来,处理好

3.学习之后对于投资市场的理解

市场的波动是很难预测的,但是市场的大趋势一般形成是很难在短时间改变的

4.通过这篇文章结合我知道的东西我能想到什么?

  • 4.1.任何事情都有适用范围,如果我们不说前提只说了结论,往往会被抓住把柄
  • 4.2.划定信号和噪音的边界,让我们更能够快速的去洞察信息

四、总结

  • 1.全局的重要性,站到全局的角度把我方向,细节的波动性就不用过多考虑了
  • 2.事情的结论,往往会沿着大趋势去进行演变,这也是自然发展的规律

五、升华

人生也是如此,把我大趋势,再大趋势的指导下去微调自己;每个人的成长阶段也是如此。

在这里插入图片描述

来自得到app中,吴军老师《信息论40讲》详读总结

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1453060.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

《检索技术核心20讲》进阶篇之LSM树

背景 学习极客实践课程《检索技术核心20讲》https://time.geekbang.org/column/article/215243,文档形式记录笔记。 内容 磁盘和内存数据读取特点 工业界中数据量往往很庞大,比如数据无法全部加载进内存,无法支持索引的高效实时更新&…

2024年大数据领域的主流分布式计算框架有哪些

Apache Spark 适用场景 以批处理闻名,有专门用于机器学习的相关类库进行复杂的计算,有SparkSQL可以进行简单的交互式查询,也可以使用DataSet,RDD,DataFrame进行复杂的ETL操作。 关键词 处理数据量大批计算微批计算…

.net8 blazor auto模式很爽(五)读取sqlite并显示(2)

在BlazorApp1增加文件夹data&#xff0c;里面增加类dbcont using SharedLibrary.Models; using System.Collections.Generic; using Microsoft.EntityFrameworkCore;namespace BlazorApp1.data {public class dbcont : DbContext{public dbcont(DbContextOptions<dbcont>…

MacOS之Rosetta技术的引入

提示&#xff1a;宝子们&#xff0c;希望文章对你们有所帮助&#xff0c; 请一键三连支持博主下吧&#xff5e; 文章目录 前言一、Rosetta 是什么&#xff1f;二、关于安装Rosetta三、关于Rosetta的问题分享总结 前言 博主的个人开发环境和配置说明&#xff1a; MacOS Montere…

【深度学习】解析Vision Transformer (ViT): 从基础到实现与训练

之前介绍&#xff1a; https://qq742971636.blog.csdn.net/article/details/132061304 文章目录 背景实现代码示例解释 训练数据准备模型定义训练和评估总结 Vision Transformer&#xff08;ViT&#xff09;是一种基于transformer架构的视觉模型&#xff0c;它最初是由谷歌研究…

决策树算法:揭示数据背后的决策逻辑

目录 一 决策树算法原理 特征选择 信息增益 信息增益比 基尼指数 树的构建 树的剪枝 预剪枝 后剪枝 二 决策树算法实现 一 使用决策树进行分类 数据预处理 构建决策树模型 二 使用决策树进行回归 数据预处理 构建决策树回归模型 三 决策树算法的优缺点 优点 …

政务云参考技术架构

行业优势 总体架构 政务云平台技术框架图&#xff0c;由机房环境、基础设施层、支撑软件层及业务应用层组成&#xff0c;在运维、安全和运营体系的保障下&#xff0c;为政务云使用单位提供统一服务支撑。 功能架构 标准双区隔离 参照国家电子政务规范&#xff0c;打造符合标准的…

Python编程环境搭建

简介&#xff1a; Python环境安装比较简单&#xff0c;无需安装其它依赖环境&#xff0c;主要步骤为&#xff1a; 1. 下载并安装Python对应版本解释器 2. 下载并安装一个ide编码工具 一、下载并安装Python解释器 1.1 下载 官网地址&#xff1a;Welcome to Python.org 选择…

2023年13个最适合销售电子书的WordPress主题

欢迎来到我们用于销售电子书和其他数字/可下载产品&#xff08;软件、应用程序、图标集、主题等&#xff09;的最佳WordPress主题的完整集合。 这些主题有内置的支付网关&#xff0c;可以通过 PayPal、信用卡等处理安全支付。&#xff08;易于配置&#xff01;&#xff09; 最…

生产中的 RAG:使你的生成式 AI 项目投入运营

作者&#xff1a;来自 Elastic Tim Brophy 检索增强生成 (RAG) 为组织提供了一个采用大型语言模型 (LLM) 的机会&#xff0c;即通过将生成式人工智能 (GenAI) 功能应用于其自己的专有数据。使用 RAG 可以降低固有风险&#xff0c;因为我们依赖受控数据集作为模型答案的基础&…

四. TensorRT模型部署优化-quantization(quantization granularity)

目录 前言0. 简述1. 量化粒度2. Per-tensor & Per-channel量化3. 量化粒度选择的推荐方法总结 前言 自动驾驶之心推出的 《CUDA与TensorRT部署实战课程》&#xff0c;链接。记录下个人学习笔记&#xff0c;仅供自己参考 本次课程我们来学习课程第四章—TensorRT 模型部署优…

[面试题]Spring Boot

[面试题]Java【基础】[面试题]Java【虚拟机】[面试题]Java【并发】[面试题]Java【集合】[面试题]MySQL[面试题]Maven[面试题]Spring Boot[面试题]Spring Cloud[面试题]Spring MVC Spring Boot 涉及到的知识点很多&#xff0c;在内容上&#xff0c;我们会分成两大块&#xff1a…

day38-39| 509. 斐波那契数 70. 爬楼梯 746. 使用最小花费爬楼梯 62.不同路径 343. 整数拆分 96.不同的二叉搜索树

文章目录 前言动态规划理论基础509. 斐波那契数思路方法一 完整动态规划方法二 dp简化版方法三 使用递归 70. 爬楼梯思路方法一 动态规划方法一2 教程里面的简化方法方法二 拓展 746. 使用最小花费爬楼梯思路方法一方法二 拓展 62.不同路径思路 动态规划方法一方法二 递归 63. …

POC EXP | woodpecker插件编写

woodpecker插件编写 目录 woodpecker介绍woodpecker使用插件编写 安装环境 woodpecker-sdkwoodpecker-request 创建Maven项目 Confluence OGNL表达式注入漏洞插件编写 创建Package包和Class类编写POC 漏洞POC代码编写导出jar包将jar包放入woodpecker的plugin目录运行woodpeck…

我主编的电子技术实验手册(07)——串联电路

本专栏是笔者主编教材&#xff08;图0所示&#xff09;的电子版&#xff0c;依托简易的元器件和仪表安排了30多个实验&#xff0c;主要面向经费不太充足的中高职院校。每个实验都安排了必不可少的【预习知识】&#xff0c;精心设计的【实验步骤】&#xff0c;全面丰富的【思考习…

宿舍用电管理模块一进三出的升级改造

宿舍用电管理模块一进三出石家庄光大远通电气有限公司产品在高校日常管理工作中,宿舍管理是一项重要工作。宿舍管理内容复杂,而且涉及学生的日常生活,意义重大。其中,学生宿舍内漏电,超负荷用电,违规用电等现象一直是困扰后勤管理的普遍问题。随着学生日常生活方式以及生活用品…

【Pandas驯化-04】Pandas中drop_duplicates、describe、翻转操作

【Pandas驯化-04】Pandas中drop_duplicates、describe、翻转操作 本次修炼方法请往下查看 &#x1f308; 欢迎莅临我的个人主页 &#x1f448;这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合&#xff0c;智慧小天地&#xff01; &#x1f387; 相关内容文档获取 微信公…

GPTZero:引领AI内容检测

随着人工智能技术的飞速发展,AI生成内容(AIGC)正在迅速改变我们获取和消费信息的方式。然而,AIGC的激增也带来了一系列挑战,尤其是在内容真实性和版权方面。正是在这样的背景下,一家由00后团队创立的公司——GPTZero,以其独特的AI检测工具,迅速崛起为行业的领军者。 一…

【LeetCode215】数组中的第K个最大元素

题目地址 1. 基本思路 用一个基准数e将集合S分解为不包含e在内的两个小集合 S 1 S_{1} S1​和 S 2 S_{2} S2​&#xff0c;其中 S 1 S_{1} S1​的任何元素均大于等于e&#xff0c; S 2 S_{2} S2​的任何元素均小于e&#xff0c;记 ∣ S ∣ |S| ∣S∣代表集合S元素的个数&…

JDBC常见的几种连接池使用(C3P0、Druid、HikariCP 、DBCP)

前言 数据库连接池负责分配、管理和释放数据库连接&#xff0c;它允许应用程序重复使用一个现有的数据库连接&#xff0c;而不是重新建立一个。连接池技术尽可能多地重用了消耗内存的资源&#xff0c;大大节省了内存。通过使用连接池&#xff0c;将大大提高程序运行效率。常用的…