【急】Bayesian learning 和 Degroot rules of thumb learning的区别

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请教各位大师， Bayesian learning 和 Degroot rules of thumb learning有什么区别呢？我理解的是前者是基于自身历史过往的决定是当前的决定的基础，而后者是基于和旁人交流而得到自己当前的决定。 不知道对不对？ 能不能麻烦大家能够尽可能详细一点跟我讲讲呢？
不胜感激！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Learning Bayesian earning Degroot Learn learning

个人觉得贝叶斯学习过程对信息处理更加严格精确，不会刻意忽略信息。拇指法则学习过程只关注部分重要信息，拇指法则信息处理方式不是按照理性预期的方式，一般只考虑重要信息，而忽略掉其他信息。否则信息成本无限高。
我只知道拇指法则，德格鲁特拇指法则学习过程这个概念还不大了解，具体的信息处理方法还不太清楚。去google scholar 搜索Degroot  learning，应该会有帮助

江村北鸥 发表于 2015-1-18 08:32
个人觉得贝叶斯学习过程对信息处理更加严格精确，不会刻意忽略信息。拇指法则学习过程只关注部分重要信息， ...

谢谢您！