《Algorithms to Live By》读后感100字

《Algorithms to Live By》是一本由Brian Christian / Tom Griffiths著作，Henry Holt and Co.出版的Hardcover图书，本书定价：USD 30.00，页数：368，特精心收集的读后感，希望对大家能有帮助。

《Algorithms to Live By》读后感(一)：生活不少领域都有算法

买房子找对象，用37%法则（设置一个截止日期，比如35岁，你就挑选到从现在到35岁的37%，然后从那以后只要遇到比之前都好的对象就敲定吧）

生活工作避免过度拟合（也就是关注太过多细节了），可以是限定内容长度和限定思考时间，一开始就标出核心重点。

人生简单到复杂再简单的过程，年轻人决策多点探索着眼未来，老年人更多是专注于已有范围的收获，把握现在。

时间管理上，小事优先，综合考虑各种因素来安排任务。

《Algorithms to Live By》读后感(二)：37%法则

秘书问题”：想象你在面试一秘书，你希望能在应聘者里找到最好的人，但你并不知道怎样的人会来应聘，所以你一个个人轮流面试。你可以随时发offer，但你如果在面试后没有马上给对方offer，他就从此离开去其他地方工作了。你怎么才能知道眼前这个应聘者是最好的呢？

万能的计算机算法给出了答案：37% look then leap。给自己设定一个招聘总时间，前37%的时间里只面试，收集数据不做决定，之后只要碰到一个比之前所有应聘者都优秀的人，马上下offer，你能得到最好应聘者的机率也是37%。这是你能获得的最好效果。

不要觉得37%成功率是个很低的数字。这个算法可适用于任何大样本。如果你有100个应聘者，你能获得最好雇员的机率其实只有1%；而如果你有100万应聘者，你的机率只剩百万分之一。37%已经是一个非常好的数字了。为了达到这个成功率，你也需要付出之前37%的数据搜索时间精力。

《Algorithms to Live By》读后感(三)：思路值得肯定

这本书，算法科普得并不清楚，结合生活的部分又很啰嗦。不过这个思路是值得肯定的。有时候编程的时候知道用算法，一到生活中就忘了用。比如第3章“排序”，就提到让东西乱糟糟的有时反而是最高效的。编程的时候都知道，如果以后不搜索会极少搜索，那就没必要排序。但生活中有时却会不假思索地给东西排序，这其实是一种强迫症。再比如第4章“缓存”的LRU，用于归纳整理乃至丢弃物品很有用。以及第7章“过拟合”提到的更少的信息、计算和时间实际上有时能加快进度。还有第8章的“Relaxation”，例如，当你拿不定主意如何选择工作的时候，不妨假定每个工作的报酬都是一样的。以及最重要的第9章“随机性”，很多问题都可以通过随机方法解决。第7章、第8章、第9章简直就是我这样选择困难症的救星。

第2章“Explore/Exploit”没有考虑到探索潜在的奖励（惩罚）：你更厌恶乏味还是不确定性？

第5章“规划”提到首先完成处理时间较短的任务能让你建立信心，从而加快进度。但有时候先完成难的、大的任务，会发觉容易的、小的任务不值得完成了。

https://gist.github.com/weakish/bf51baf3913ed8702d0cce4b340d5921

《Algorithms to Live By》读后感(四)：很适合非cs专业的科普读物

rt，这本书非常适合非cs专业的人作为科普读物来了解cs里面一些经典而又深刻的概念，当然我个人觉得即使是计算机专业的同学，也可以迅速的翻一翻，因为和教材不同，这里面更侧重的是和生活工作里面一些具体概念上的联系

里面有十多章，每一章也基本是独立的概念，印象比较深的是一上来讲的，关于explore/exploit的概念，看完会对于算法和生活中的规律/模式之间的想通有更深的理解，从算法的角度，会对很多生活中的现象给出共通的介绍，而从生活中，处处又能看到算法的影子，本质上explore/exploit可以理解为是一种进化出来的生存策略，因为我们周围的世界充满了不确定性，所以我们的策略也是个mixed strategy,我们所看重的也不仅仅是当下的收益，还包括了长期的预期收益，虽然凯恩斯说过，长期来看，我们都会死，但是事实上，我们所做的大部分决策是介于完全短视和绝对长期之间的一种折中。具体到这个方法上，我们会在前期更多的explore,后期则更多的exploit.

还有一个信息比较深的概念就是overfittting，大数据时代的口号是data trumps everything,但是实际生活我们也遇到过简单的直觉胜过大数据的情况，这种时候是因为我们的算法或者数据不够好么？其实不完全是，因为我们的算法有很多的假设和要求，但是现实世界的情况往往要更加的复杂和嘈杂，而我们的直觉从进化的角度往往选择一些较为简单的解释，所以这个问题一方面需要我们在算法的设计和对待算法的结果有更加长期和稳健的看法和解读，一方面我们也要接受本来就存在的不确定性和风险，其中有一些是属于系统内生的，难以消除的不确定性

现在人工智能大火，但是且不说机器是否真的能具有人工智能，至少我觉得比较有希望的一点是：机器的设计是有人来完成的，而人的知识和经验则又是基于对人的理解，而反过来，机器和算法在被设计出来之后，其自身的运行往往又能给我们更好地理解人本身提供了很好的指引，所以在期待机器真的获得人工智能之前，通过机器/算法/互联网的帮助，我们首先能实现对人更深层次的理解看起来也是很不错的一步

《Algorithms to Live By》读后感(五)：短评塞不下

从运动联盟排对阵表的角度看几种排序算法的角度倒是新颖。从第六章贝叶斯之后开始起飞了。从 overfitting 飞跃到了进化中的滞后，第七章 randomness 提到的 Monte Carlo 原来是被正经在研究原子弹的时候发明出来的，我当初还觉得自己用它省去了一些数学证明是作弊，turns out sacrificing certainty is a legit way to gain speed.

还有 simulated annealing，真的是从物理学搬过来的吗？然后如果 creativity 的本质就是 randomness，那那那那，机器真的代替不了人类吗？（其实我脑内总有很过瘾的幻想，机器完全战胜人类，愚蠢的人类吧）我偶像在这一章又被 cue 到了，还有他那副 Oblique 牌。跳过了 Networking 那一章根本就是在上课！直接跳过。

结束在了 Game Theory 本来也想跳过的（本科和硕士论文都是它）结果看到了“ ‘I love you’ says one lover to another; ‘I love you,too’ the other replies; and both wonder what exactly the other means by that” 真的笑哭

the price of anarchy 的概念之前没有接触到过，这里直接甩出了 selfish routing 的 price 只是1/3，自动驾驶解决堵车可能不存在足够的收益，嗯。

不喜欢后面人类的感情促进了 cooperation 段落，可能因为它自己也说了“ But then where would the cooperation come from if it’s only rational at the group level, not the individual level？” 后面竟然延伸到爱情和婚姻，我是匆匆翻了过去，不信这套。emotion 是种不含正负或者说可正可负的模糊的转瞬即逝的东西，只有表达感情的手段才是可以选择的。合作可能是因为能被用来表达感情的手段变得更加理性了。

但是呢，它又安慰到我了“Your capacity for heartbreak, for sleeping with the emotional fishes, is the very quality that makes you such a trusty accomplice”

最后就是经常看博弈论中会遇到的一些 auction 的例子，用来讲 information cascades。独立思考者的代价是：多数时候他会比从众的人获利少，一旦大众出了麻烦他是力挽狂澜的人。听上去像一种保险。