小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。
之前由于工作的需要，研究过推荐系统一段时间，推荐系统是机器学习一个比较独特领域，这些年得到了良好的发展，而且在实践中也算是一个机器学习的最佳实践了。现在主要往图卷积和强化学习两个大的发展方向。不过也遇到了瓶颈，那么我们如何突破数据限制，如何将数据与人们消费行为。
机器学习本身是一门应用学科，而且跨学科跨领域，不但有深度而且有广度，模型反映这个复杂世界。从其他学科吸收营养和灵感，今天我们来聊一聊
- 心理学
- 经济学
- 遗传学
这些学科对机器学习的影响
为什么行为经济学又回到了我们的视线里
- 行为经济学不是新学科，亚当斯密早在 1759 年《道德情操论》就提出了行为经济学
- 人是理性的还是非理性是行为经济学与其他学科不同之处。
- 传统经济学一直以来压制多年
- 2008 金融经济危机是一个转折点，行为经济学习凭借这个机会重新引起人们对其关注
- 大数据时代到来也推动行为经济学的发展
- 行为经济学是传统古典经济学的一个补充和扩展
什么是行为经济学
是把心理学和经济学相结合的学科，研究人们的行为如何系统性地偏离经济学传统的“理性人”假设。
定义中出现偏离行为可能表现为一下这些行为
- 损失厌恶
- 时间偏好
- 社会性偏好
- 概率判断
有感这些偏离具体表现随着通过具体实例给大家解释
行为经济学发展历程
亚当斯密时代
- 1759 年《道德情操论》
- 1776 年《国富论》
新古典经济学时代
- 20世纪理性人假设，经济学数学化
- 行为经济学艰难发展
大数据时代
- 2008 年金融危机的转折
- 大数据时代的繁荣
为什么学习行为经济学
可以解释一些行为，为什么做出这样心里决策。对于我们个人来说，我们决策都是基于自动生物算法(机制)来给出决策。今天我们衣食住行都被 app 所包围，在大数据和算法面前，我们的算计变得无力。算法可能比我们自己更了解我们自己。在这样的时代，我们为了避免自己经济决策中出现行为偏差，就需要产生这样行为的根源。我们需要先于算法，了解决策机制，修正自己的偏差。这是作为我们个人学习行为经济学的动力。