《Algorithms to Live By》读后感10篇
《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，文章吧小编精心整理的一些读者的读后感，希望对大家能有帮助。
《Algorithms to Live By》读后感(一)：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(二)：笔记摘要
Algorithms to live by:
1. Optimal stopping problem: 37% for apartment hunting: grab the first after that threshold.
2. People don't need therapist, they need an algorithm.
3. Algorithm is not confined to mathematics. It stems from the Stone Age.
4. Science is a way of thinking rather than a body of knowledge.
5. Make decisions in dealing with uncertainty, time constraint, partial information and a rapidly changing world.
6. Chapter1: the secretary problem. When to stop looking. Look - 37% - Leap. Find the best after leap stage.
7. For full information situation: never compromise below 50% percentile.
8. The stopping threshold depends on the cost of searching (or waiting cost).
9. Similar problem: dating, buying / selling house, parking, hiring - all optimal stopping problem.
10. Explore - exploit trade off (gather/use information). The multi armed band problem.
11. Seize the day or seize the life - the interval makes the strategy.
12. The particular is the gateway to universal.
13. Calculate Giton's index (a number for the ratio of exploration-exploitation)
14. Jeff Bezos: minimal regret decision
15. Choose the arm with highest CI bar
16. Searching - Sorting: only sort in the context of future searching, find the optimal balance of two.
17. Caching: forget it. It's as important of forgetting as remembering (William James).
18. LRU: least recently used item for caching eviction
19. Some hypotheses are more likely than others (prior).
20. Mine people's expectations (our priors are pretty accurate).
21. Overfitting: over thinking. Ocma's razor. Penalize complexity. If you couldn't explain it in simple ways you don't understand it fully. The added the complexity should contribute significantly better.
ortfolio model: mean variance portfolio optimization. Only when you have confidence in the estimate.
Regularization: deliberately thinking and doing less
22. Traveling salesman problem: constraint relaxation. Continuous relaxation. Erlang relaxation: exponential Erlang heuristic.
23. Randomness: sampling. Some problems can only be solved using random sampling: polynomial identity problem. Also, is it free or equal that makes the society more justice？
24. The uniqueness of CS: articulate the complexity of a problem. Always looking for trade off: time, space, error probably (certainty)
25. Mathematicians are trained to work against their instincts.
26. Poor listeners destroy the tale. The feedback from listeners determine how well a story is told. Feedback channel.
27. Successful deals come from anticipating the anticipation of others
28. Mechanism Design: the opposite of game theory. Change rules could fundamentally change people's behaviors. Like shop open in Sunday or people taking vacation.
29. Spinning vs Blocking: waiting in restaurant problem. Former, unnecessary vigilance.
30. Design for cognitive kindness.
31. Algorithm is only good for easy problems. When situations get complicated, there is no way to find optimal solution. Human thing is superior then.
《Algorithms to Live By》读后感(三)：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(四)：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(五)：Just to keep me reading
在Amazon的实体店看到这本书，男朋友说他那位饱读诗书的室友也觉得不错，这才打算投入时间读一读。
开头惊艳，apartment hunting，这么个艰难纠结的过程居然能给出一个精确的数字来解决？没错，用37%的时间/精力/candidates来建立你的baseline，之后再用这个baseline来判断剩下所有的candidates，一旦发现符合标准的毫不犹豫，立马下手。这么简单粗暴地解决一个费时费力的问题实在是太棒了！（不过后面一直强调computer science的算法值得拿来用在生活中也有一点奇怪，毕竟很多时候算法好用是基于计算机独有而人类并不具备的强大的计算能力的……）
不过再往下读第一章就略无语，很大篇幅都在重复intro里面这个例子，还花了好一段讲secretary problem这个问题一开始到底是谁提出来的(Seriously？! 我真的不在乎到底是谁第一个提出来的！)——可能我对这书有误解，也许本来的定位就是讲几个算法跟现实生活稍微联系一下然后大家吹吹水讲点八卦什么的？之后就讲了这个问题的各种变体——如果可以recall，即吃回头草；如果你的candidate并不一定接受你的offer；no-information的情况；full-information的情况；如果你拒绝当下offer等待下一个offer是存在成本的。举了许多还算有趣的例子，停车、卖房、俄国寡头，确实是一本还行的休闲读物吧。
但是第一章最后几段真不错，虽然只是没啥干货的感慨，但是本质是文科生的我还是挺被击中的，试翻译如下：
[ “最优停止(optimal stopping)解决的是何时采取特定行动的问题。”这是关于最优停止的权威教科书的开场白。我们也很难找出一个比这更为简练的说法来描述人生。选择恰当的时机去买卖股票，选择恰当的时机去打开一瓶专为特殊场合准备的红酒，选择恰当的时间打断某人，选择恰当的时机去亲吻某人。
如此看来，秘书问题最基本同时也是最不合常理的假设——严格的时序性、单向性恰恰是时间最本质的属性。因此，最优停止问题的这条公开前提正是人生隐含的前提。这条前提迫使我们在未曾明确所有可能性之前就要做出决策。也正因如此，即使我们采取最优行动，失败的风险依旧极高。选过不能再选，你也许会再遇到相似的选择，但你永远不会再遇到之前的那一个。犹豫、不作为就像行动一样会产生再难挽回的结果。困在单行道的司机面对的是空间，我们面对的是第四维：我们会经过这个时点，但是只会经过一次。
直觉上我们认为理性决策意味着罗列所有选项，小心权衡，选出最优。但实际上，当时间一分一秒流逝，决策（或者是思考）中最重要的一方面是考虑何时停止。]
To be continued.