再谈预测,借用集体智慧

大到预测国家经济发展趋势决定投资策略,小到预测今天是否会下雨决定出门是否要带伞,生活中总是离不开预测。

人生是一个不断选择的过程,选择基于预测,提升了预测能力也就提升了选择的质量,也就提升了人生的质量。

如果还不明白,想想如果你能够预测准确某支股票未来的走势,那是不是就能赚大钱?

那要如何来提高预测能力呢,简单来讲,就是要借用集体的智慧,具体如何借用呢?王烁在30天认知训练营中介绍了层层递进的4种方法。

01 简单平均

第一种方法,就是简单平均,比如牵一头牛到市场上,随便请100个人来猜它的重量,最后将100人的猜测结果简单平均,神奇的是,这个结果会比任何一个人猜测的结果都更准确。

这就是集体的力量。

02 贝叶斯推理

独立参与预测的人越多,预测结果越接近真实情况,可有些时候参与的人数不够多怎么办呢?比如当时市场上只有两个人,一个人猜100斤,另外一个人猜200斤,我们不好推测牛就是150斤吧。

这就需要用到贝叶斯推理了,就是根据常识预先给出一个猜测,并设置一个初始参与人数。比如那头牛,我们根据常识先定一个 2000斤,100人的初始参数。这样上面两人猜牛重量的例子,一个猜100斤,一个猜200斤,最终的猜测结果就是(2000*100 + 100 + 200)/ 102 = 1963.725 斤。

03 加权平均

简单平均,准确性与每个人的知识能力是有很大关系的,今天市场上如果刚好碰到一队小学生放学,几十个小盆友的猜测结果和市场上那几个肉食档老板的猜测结果放一起简单平均,最终结果准确性可能就会打折扣,那有没有更好的方法呢?

有的,那就是给每个人不同的权重,比如,我们给肉食档老板的权重高,小学生权重低,这样就算是遇到一队小学生结果也不会偏差太大。

而且,实际运作过程中,可以根据个人的历史预测准确性,动态调整每个人的权重。也许小学生里面也有对重量感知特别敏感的人呢。

04 极化

将每个人预测结果做加强平均,而且根据历史预测结果,动态调整每个人的权重,看似已经是一个完美的模型了。

美国一个叫希弗(Nate Silver)的年轻人,用这个模型做了一个选举预测网站,它将各个民调组织的预测结果做加权平均,权重根据该民调组织的历史表现动态调整,完美预测了2012年奥巴马总统选举结果,是全美50个州每一个州的选举结果,准确性超过任何一个民调机构。

那还有没有更准确的预测方法呢?

还真有,那就是极化。
意思是在加权平均的基础上,将预测结果向正反两极推进,如果是一个乐观的结果就让它更乐观,如果是一个悲观的结果,就让它更悲观。

比如预测明天是否会下雨,如果加权平均下来结果是90%的概率会下雨,那就将结果改为95%,如果结果是10%,那就将结果改为5%。

为何这个方法有效,试想一下,如果我们对信息了解的越多,我们就会越自信,也就会给越高的概率,如果一个人知道了群体中所有人加总的全部信息,那他一定会给出一个更自信的结果,加权平均没有体现这份自信,极化就是将这份自信再加回去。

《超预测》的作者泰特罗克在美国情报局组织下启动了一个善断计划项目,用的就是这个方法,通过组织一批普通人来对国际大事件进行预测,结果超过了当时所有现有预测系统,甚至战胜了专业情报分析师。

普通人如何提高预测能力

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,312评论 5 473
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,578评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,337评论 0 333
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,134评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,161评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,303评论 1 280
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,761评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,421评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,609评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,450评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,504评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,194评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,760评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,836评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,066评论 1 257
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,612评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,178评论 2 341

推荐阅读更多精彩内容

  • 这是一个系列的思考,因为篇幅较长,分为上下两篇。 上篇会介绍关于如何获得群体智慧和算法的4种方法,下篇会介绍现在区...
    JChenjunjie阅读 2,505评论 6 9
  • 逼近的夏天。露肉的季节到了,可惜我全身游泳圈遮也遮不住。每次买衣服都会不开心,因为没有我的码!!!管不住嘴就要生...
    媚生阅读 517评论 0 51
  • 前一篇文章从原理的角度介绍了全世界最先进的分布式版本控制系统——Git,在全民 Git 的今天,如果你还不知道配置...
    coderanger阅读 1,111评论 0 0
  • 人生境界是在人生一般存在状态基础之上对人生意义的追求。它包含着人的本质、人的价值、人生理想和完美人格、生死观、...
    烟雨雨巷阅读 110评论 0 1
  • 【目录】 这是《落叶》文集里第51片落叶,希望你能喜欢,不为别的,只为这份坚持。 每当坐在窗边,看着玻璃窗里的另一...
    秋之川阅读 384评论 0 1