推 linsy415:資料量大時電腦很好用 218.34.64.73 01/22
→ linsy415:但同時要考慮非常多變因時人腦反應快多了 218.34.64.73 01/22
→ linsy415:超級電腦也有一個問題要算很久的時候 真的 218.34.64.73 01/22
推 Agency:人腦的運作速度基本上快電腦很多 140.112.242.222 01/22
※ 引述《ericma ()》之銘言：
: ※ 引述《FlameWind (FlameWind)》之銘言：
: : 前者是增加贏球的機率，後者是讓你從不能贏變成能贏
: 一場比賽在賽前的評估，是一場低比分的比賽，
: 在前面幾局，有機會利用觸擊而搶下一分，前面比數還沒破蛋
: 這分在此算不算重要的一分呢？
: 以觸擊而言，數據分析的效益又不大，又增加出局數，
: 那為何不在前面幾局用呢？
: 就算失敗，往後還有更多的出局數可以利用不是嗎？
: 如果在8局才用，只有5個出局數可以用，
: 那以觸擊而言，要用最好就在前面幾局用不是嗎？
這是不對的
因為在比賽前段你需要更多的分數才能贏球
使用觸擊戰術「可能」可以增加得一分的機率
但是他會減少得兩分以上的機率
也就是說使用觸擊戰術整體得分的期望值會下降
但是你可能比較容易獲得一分
所以在比賽前段使用觸擊是相對下比較不好的選擇
p.s
以上用可能是因為這部分沒有證明
但是使用觸擊會減少得分的期望值是已經統計出來的結果
: : 但是有數據作為根基的解釋，絕對是比信口胡謅有說服力
: 那這樣來說，到底是人影響了數據分析曲線，
: 還是由數據分析曲線去影響到人？
: 或互為影響，這中間的關係為何？
你已經做下去的事情就沒有辦法再被影響了
數據是結果的統計
而且你所說的單一case的個別狀況
最後也都會被包含在大量的樣本之中
你講的這個論點我知道
你認為數據是否會影響人的判斷
使得最後整體的行為往數據指向的方向偏
但是當取樣數夠多的時候，這種問題就不會存在了
美國做棒球統計已經百年以上
取樣數足以消滅這種差異性
除了取樣數之外
由於還有其他的數據佐證
可以避免採信單一種類數據造成的偏差
例如以盜壘來說
過去大聯盟也相信盜壘可以帶來很高的效益
但是近幾年經過其他數據的分析，發現盜壘對得分的傷害可能會比較高
所以盜壘戰術就減少了
減少並不代表消滅
因為當選手的盜壘成功率很高的時候，這個選手盜壘就能帶來比較高的效益
: : 而不是光在喊提出的數據不夠多
: 有些因素是沒有辦法，在數據分析當中所表現，
: 這句話你是否認同？
: 如果數據分析是能表現大部份因素，
: 那拿數據分析來就很客觀，
: 但今天我不認為數據分析的比重有如此的重，
: 還有很多因素決定當時戰術的運用，
: 這些因素不是可以由數據分析中所表現，
: a就如同數據分析，b,c,d,e就如同其他因素。
是的
但是任何理論有數據佐證絕對比單靠印象、或直覺來得可靠
數據不是全部
但是當行為偏離數據表現出來的「好」行為甚多時
就足以對這樣行為提出質疑
: : 嘿嘿，並是會的
: : 不要太高估超級電腦
: 這就要看你指的是什麼部份了^.^
參數越多超級電腦越慢
就是這樣
人只是在dummy work上比電腦慢
人腦其實是很厲害的
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 61.31.170.231
※ 編輯: FlameWind 來自: 61.31.170.231 (01/22 11:08)