决策树/见闻色 见闻色和决策树是一个东西的不同名称，叫做见闻色更吊一点利于宣传，叫决策树更贴近本质。 现在思考一个问题：假设你是一个在校学生或者公司职员，每周五聚餐中，有苹果、香蕉两种水果供大家选择。在过去10次聚餐中，有9次你选了苹果，一次选了香蕉。那么现在问题是，你能预测下一次聚餐时，自己会吃苹果还是香蕉吗？ 答案是很简单的，我们并不确定你会吃苹果还是吃香蕉，用数学来说，我们不能预测苹果香蕉的概率是[0,1]或者[1,0]，而是能大概的得到，你吃苹果和香蕉的概率映射是[0.9, 0.1]。 在这里有个小tips，我们并不是单纯知道吃水果的概率，而是通过对action的观察，知道了在只有苹果和香蕉的state下，你自己是一个更喜欢吃苹果的人，然后得到action的概率映射。 这一点非常重要。通过对action的观察，了解自己是什么样的性格，然后预测action。和简单的观察action然后预测action完全不同。用神经网络的理念相当于我们加了一个中间层net。用心学的理念解答就是知行一体。 上面这个问题融会贯通，实际上你已经掌握了见闻色的核心理念。 能预测自己在这个state下吃苹果还是吃香蕉，就能预测自己在其他state下的action选择。 能预测自己在所有state下的action选择，同样可以尝试预测其他人在不同state下的action选择。 这个社会是由人构成的，能预测其他人的action选择，就可以感知这个社会在向哪片决策森林跳动，能够感知的范围大小取决于你能够接触的社会范畴。 预测社会运转带来的信息差，足够读者在任何行业得到举足轻重的优势，这种信息差带来的决策优势是智商无法弥补的，其他人就算比我们聪明一百倍，也没有办法对抗信息差带来的决策优势。 见闻色架构的基础组成单元就是，你能否预测自己吃苹果还是吃香蕉？ 如果对这个问题的预测不够精准，是不可能做出后续精准判断以及找到优化方向的。