|
| 认知偏见 |
机制 |
的偏见来源功能模型(ACT-R) |
|
| 确认偏误 |
注意力的效果(寻找) |
特征选择行为,如选择SIGINT为时过早。在层选择使用存储工具混合检索。 |
Overscaling在规则的应用程序
(重) |
偏见的混合检索映射从可能性因素修正概率(低价值)。Weighted-distance实用程序用于层选择显示确认偏误在称重。 |
|
| 锚定在学习 |
Underscaling在规则的应用程序 |
偏见的混合检索映射从可能性因素修正概率(高值) |
| 质心计算 |
惯性从质心估计DM合并值。产品编码质心的距离阈值更新 |
|
| 代表性 |
基础概率忽视 |
基准利率不匹配一个类别的线索。计算质心距离类别而不是云的事件。混合检索忽视的事件数量 |
|
| 概率匹配 |
资源分配 |
使用基于实例的学习导致风险规避倾向反对赢家通吃的实例,从而倾向于纯概率之间的混合检索实例匹配和赢家通吃 |
|
