大數據預測：預知未來的偉大力量

序 言
前 言
導 論
第一章 升空！預測開始發威
開始實踐
人人愛預言，雖然不精確
防護預測
價值100萬美元的無聲革命
個性化的危險
預測分析程序的安裝：迂回和拖延
運行過程中
基本要素是：觀察
行動就是決策
危險的啟動
呼叫休斯敦，我們有麻煩了
能做到的小模型
休斯敦，發射
熱情的科學家
讓預測走入內心
第二章 權力越大，責任越大：惠普、目標超市和警察會窺探你的秘密
目標超市的預測及其預測目標
意味深長的停頓
我的15分鍾
曝光於聚光燈下
你無法禁錮那些可傳送的東西
法律與秩序：政策、政治和監管
數據之戰
數據挖掘並不是「攫取」數據
惠普自我學習
洞悉員工還是侵犯隱私
辭職風險：我不干了！
洞見：辭職背後的因素
危險品
領先者不必辭職
預測犯罪，提前杜絕犯罪
數據犯罪和犯罪數據
無法測量的機器風險
偏見的輪回
好的預測，壞的預測
力量源泉
第三章 數據效應：彩虹之後的饕餮
數據情感和情感數據
預測博客中的情緒
焦慮指數
將情緒可視化
要把錢投到正確的地方
靈感與汗水
在數據里尋寶
一切都數據化
把所有艙門都封死：信息太多了
壞的大灰狼
彩虹之末
預測之汁
遙遠、奇特和驚人的洞察力
關系並不意味著因果
情感的因果關系
一圖勝千言
驗證情感和被驗證的情感
偶遇與創新
來自博客圈的投資建議
金錢讓世界轉動
將所有內容都放在一起
第四章 學習的機器：大通銀行對房產抵押風險的預測分析
男孩與銀行的相遇
銀行面臨著風險
預測抵御風險
風險業務
學習機器
創建機器學習
從負面經驗中學習
機器學習是如何運作的
你可以決定決策樹的規模
計算機，為自己編程吧
學吧，寶貝
越大越好
過度學習：假設太多
歸納之謎
機器學習的藝術和科學
感覺真實：測試數據
去粗取精是藝術
在大通銀行應用分類-回歸決策樹
搖錢樹
回歸--為何顯微鏡無法觀察到宇宙碰撞
後續
第五章 集團效應：Netflix、眾包以及增壓預測
非正式火箭科學家
黑馬
思想外包：集思廣益
眾包如星火燎原
生於憂患
聯合國
元學習
兩個預測模型的組合
好戲在後頭
集體信息
群體和模型的智慧
一袋子模型
集體智慧開始發威
泛化悖論：過猶不及
挑戰極限
第六章 「沃森」和《危險邊緣》節目
文本分析
英語的愛恨情仇
在理解問題之後就要回答
終極知識源泉
人工智能悖論
學習回答問題
學人走路 學人說話
更好的捕鼠器
應答機器
投機取巧的《危險邊緣》
從證據中尋找答案
基礎知識，親愛的「沃森」
證據如山
用組合模型來判斷證據
組合模型的組合
機器學習使語言處理成為可能
自信但不自負
需要速度
雙面危險--「沃森」會贏嗎？
《危險邊緣》的惶恐
為了勝利
比賽之後：榮譽、嘉獎和崇拜
非對稱性IBM人工智能
對的預測
第七章 用數字說話：挪威電信和美國合眾銀行工程師
如何通過預測來施加影響
攪拌吧，用力攪拌
沉睡的狗
要預測新的內容
眼楮看不到
預測說服
具有說服性的選擇
商業刺激和商業反饋
定量人性
量子人性--他是否可被影響？
通過上提模型預測影響力
銀行業對影響力的運用
預測錯誤之事
響應上提模型
上提模型的原理
上提模型如何發揮作用
說服效應
不同行業的影響
讓移動客戶不移動
結語

本書旨在通過量化方法來預測人類的行為。人類在此方面的最初實踐是在第二次世界大戰時期。1940年，「控制論之父」諾伯特·維納（Norbert Wiener）便開始嘗試預測德國空軍飛行員的行為，目的是消滅這些納粹空中力量。

其預測方法是，觀測德國飛機運動的軌跡，推測飛行員可能采取的機動規避動作，由此推斷飛機接下來所處的位置並用高射炮將其擊落。然而，維納只能推斷出飛機下一秒的運動軌跡，要想精確炮擊飛機，必須預測飛機至少20秒的運行軌跡。