这个周的自然语言课中再次提出了关于频率论（frequentist）和 贝叶斯论（bayesian）的讨论。
两种方法都是用来描述一个事件的不确定性，
一个最简单的例子：投掷一枚硬币，为正面的概率？
频率论支持者会重复投掷该硬币多次，统计硬币正面的次数，然后验证硬币正面的概率。
贝叶斯论则会采用一个先验值（prior belief），假设我们认为硬币应该是55开的。后期通过新的测验数据不断更新我们对正面概率的认知。
通过上面的例子，我们可以看出，频率论是客观的，硬币正面的概率应该等于历史投掷硬币正面的概率。
贝叶斯论是主观的，即我们存在一个初始认知，后又获得了一项证据，认知被更新，进而采取新行动。所以硬币正面的概率取决于投掷人对于正面的经验。
投资者在做决策和判断时并非绝对理性，常常受到行为偏差的影响。在制定决策时，人们更倾向于赋予最近发生的事件和最新经验更高的权重。
这种非理性的决策往往会导致市场情绪化的产生，当牛市来临时，似乎人人炒股都可以挣钱，你的投资胜率奇高，经过一段时间后，你认为会自己的决策是十分正确的（即使过去炒股很少赚钱）在这种情况，人人都给予了近期事件过多的权重，过度的影响到了初始认知，导致了股民对于自身投资胜率的误判。
相对，频率论是客观的，我们通过观察历史大盘走向，我们会发现涨跌通常是周期性的，所以未来突然不停上涨到10000点的可能性极低（该结论可能存在问题，马上会提到）。
然而，对于频率论，也存在着很常见的误区。样本数量是结果正确性的关键，假设我们投掷一枚一元硬币2次，都为正面，我们总结投硬币正面概率为100%。这样显然不科学。如果我们再进一步，投掷该硬币1000次，得出来正反为48%-52%，我们就可以总结正面概率为48%了吗？对比前一次尝试，似乎更靠近“正确”答案了一些。但是我们并没有考虑硬币的种类，环境等等因素。一个不够科学的样本，往往会导致结果过拟（overfitting）。
如何验证我们的投掷硬币的结果是否过拟呢，怀着我们对于48%正面的认知，我们去投掷一个五角硬币，如果不出意外，正面概率应该也是48%。可是测试结果正面为51%。这意味着我们48%的概率只能应用于我们用于测试的一元硬币上，并不能合理预测这枚新的五角硬币。
生活中也充满着“过拟”，互联网上的针锋相对，往往都是个人对自己固有观念的倔强，然而他们并没有体会过对方的人生经历（如果没有足够的样本，还能坚称自己的观点是正确的吗？）这个话题放到下一期讨论吧。
(仅为个人观点，欢迎讨论。)
参考：网页链接{贝叶斯公式_百度百科 (baidu.com)}