序 言
前 言 預測分析的職業風險
導 論 預測效應
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：迂迴和拖延
運行過程中
基本要素：觀察
行動就是決策
危險的啓動
呼叫休斯敦，我們有麻煩瞭
能做到的小模型
休斯敦，發射
熱情的科學傢
讓預測走入內心
第二章 權力越大，責任越大：惠普、Target超市、警察和美國國傢安全局會窺探你的秘密
Target 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輸的東西
法律與秩序：政策和數據監管
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：我不乾瞭！
洞見：辭職背後的因素
危險品
辭職風險評估的價值
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
偏見的輪迴
好的預測 壞的預測
第三章 數據效應：彩虹之後的饕餮
焦慮指數
將情緒可視化
在數據裏尋寶
一切都數據化
把所有艙門都封死：信息太多瞭
誰的數據會成為你的囊中之物？
彩虹之末
預測之汁
遙遠、奇特和驚人的洞察力
有關係，並不意味著是因果關係
第四章 學習的機器：大通銀行對房産抵押風險的預測分析
男孩與銀行的相遇
銀行麵臨著風險
預測抵禦風險
風險業務
學習機器
創建機器學習
從負麵經驗中學習
機器如何學習
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—迴歸決策樹
搖錢樹
迴歸—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
業餘火箭科學傢
黑馬
思想外包：集思廣益
眾包如星火燎原
生於憂患
聯閤國
元學習
兩個預測模型的組閤
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迴答
知識終極源泉
人工智能悖論
學習迴答問題
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
用組閤模型來判斷證據
組閤模型的組閤
機器學習使自然語言處理成為可能
自信但不自負
需要速度
雙重危險—“沃森”會贏嗎？
《危險邊緣》的惶恐
為瞭勝利
比賽之後：榮譽、嘉奬和崇拜
非對稱性IBM 人工智能
對的預測
第七章 用數字說話：挪威電信和美國閤眾銀行工程師
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
眼睛看不到
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
· · · · · · (收起)