可以是對一個特定人、事（例如政治事件），或物（例如汽車）。 態度的學習可能來自古典制約，即當某對象持續地引發正面的感覺，對其就可能形成好感，反之亦然；或來自操作制約，也就是獎賞可促使人們產生正面的態度或好感，反之亦然。 而也有可能是單純曝光效果（mere exposure effect），即一人事物重複出現，會影響對他的態度，往往是比較正面的態度。 歸因 （attribution），在心理學中是一個用來描述「解釋行為的造成原因的過程」的詞彙。 人們之所以進行歸因，是因為人總是認為生活中觀察到自我或他人的行為是有目標的，因此想找出導致行為的原因，對其所發生的原因作出解釋和推論。 人們透過歸因，不但可以知道觀察所見之行為與事件的發生原因，還能藉此建構並理解、認識自己所身處的世界。
- 如果玩了兩次，A都連續輸了，那麼很多人看到結果就會歸因說A不應該玩這個遊戲因為都連輸，賠錢。
- 可以是對一個特定人、事（例如政治事件），或物（例如汽車）。
- 認知失調也有程度上的分別，這關係到有關認知元素在個體的認知結構中的重要程度。
- 關於操作條件學習的詳細說明請參見本書（超普通心理學）第六章〈學習〉中操作條件學習條目。
- 我們可以對任何事物或概念產生態度，無論是身邊的人或是某個候選人的政治理念，我們都可以針對其產生態度。
厄文本季場均有23分、5.2助攻和3.9抄截，如今進入傷兵名單，何時歸隊打上問號。 根據美國運動教練史托斯（Jeff Stotts）說法，厄文是骨挫傷，癒合需要比軟組織受傷需要更長時間，加上厄文整季都有右腳痠痛狀況，可能更多休息時間來恢復。 不問歸期 球團透露，厄文將返回達拉斯治療，不會參加後天作客灰熊的比賽，目前厄文歸期未定，還沒有明確的復出時間表。 根據美國運動教練史托斯（Jeff Stotts）說法，厄文是骨挫傷，癒合需要比軟組織受傷需要更長時間，加上厄文整季都有右腳酸痛狀況，可能更多休息時間來恢復。 根據獨行俠的公告，厄文已經回到達拉斯治療，目前歸期未定，且不會隨隊到曼非斯。 獨行俠明天客場迎戰灰熊隊後將回到主場，打完湖人隊和灰狼隊再開啟客場之旅，分別對上拓荒者隊和衛冕軍金塊隊。
不問歸期: 回歸、分類與聚類：三大方向剖解機器學習演算法的優缺點（附Python和R實現）
支持向量機（SVM）可以使用一個稱之為核函數的技巧擴展到非線性分類問題，而該演算法本質上就是計算兩個稱之為支持向量的觀測數據之間的距離。 SVM 演算法尋找的決策邊界即最大化其與樣本間隔的邊界，因此支持向量機又稱為大間距分類器。 優點：輸出有很好的概率解釋，並且演算法也能正則化而避免過擬合。 Logistic 模型很容易使用隨機梯度下降和新數據更新模型權重。 Logistic 回歸是與線性回歸相對應的一種分類方法，且該演算法的基本概念由線性回歸推導而出。 Logistic 回歸通過 Logistic 函數（即 Sigmoid 函數）將預測映射到 0 到 1 中間，因此預測值就可以看成某個類別的概率。
另外，其在訓練上是計算密集型的，所以這就需要更富經驗的人進行調參（即設置架構和超參數）以減少訓練時間。 喜歡常見的刺激(stimulus)可能是因為人透過古典條件學習形成了愉快與刺激之間的聯結。 廣告商惯用的手法 — 不問歸期2025 將商品和美麗的名模一起呈現即是古典條件學習。 這個效應的存在正是為什麼我們要限制菸品廣告的原因，因為即使菸品廣告伴隨警告出現，越常出現的事物還是越有可能產生好感(例如好朋友或曖昧對象)。
不問歸期: 態度與行為
福里茲・海德（Fritz Heider，1896～1988）在西元1958年出版《人際關係心理學（The Psychology of Interpersonal Relations）》一書，書中提到相關概念，是首先提出歸因理論的心理學家。 海德相信人觀察到行為後，會對行為進行分析，推論出行為背後的原因以解釋行為，並且不斷進行這個過程可以使人更理解社會。 所以人人都是一個直覺心理學家（intuitive 不問歸期2025 psychologists），像專業的心理學家一般分析著行為背後的原因，只是依靠的不是專業理論而是直覺或常識。 缺點：深度學習演算法通常不適合作為通用目的的演算法，因為其需要大量的數據。 不問歸期 實際上，深度學習通常在經典機器學習問題上並沒有集成方法表現得好。
- 大部分廣告都是利用外圍路徑來改變人的想法，像是明星代言產品時，利用明星的吸引力使消費者經由外圍途徑，沒有仔細考量過產品實際上的優缺點就喜愛上產品。
- 最近鄰演算法是「基於實例的」，這就意味著其需要保留每一個訓練樣本觀察值。
- 本文從回歸問題、分類問題和聚類問題三個角度下初步了解了各個演算法的優缺點，也基本了解了那些演算法到底是什麼。
- 如果今天以長遠情況來看，A是有利的，他的期望值是較高的，那其實就應該符合這個趨勢去走。
當存在外在因素時，我們的行為可能就無法表達自己的態度，譬如說當存在獎賞或脅迫時，我們的行為就並非導因於自己的態度、情感或內部狀態，而是出於外在因素的影響。 但當外部變因極少或甚至沒有外部因素影響時，我們可以很明確地透過自己的行為了解對於特定事物的態度，因為所表現出來的行為是自願選擇的。 態度的形成包括先天性格、個人經驗、觀察學習、與他人的互動、大眾傳播媒體的報導、置入性行銷或間接描繪或童年成長環境等。
不問歸期: 因為我不好
態度對於社會心理學之所以重要，是因為態度會引導或影響人的行為，並且影響人建構社會真實（social reality）的方式。 因此，態度研究在過去數十年以來始終是社會心理學家所關心的焦點，早在1950年代，態度就被認為是「社會心理學偉大建築的主要基石」（Allport，1954）。 如同前面所述，當我們在思考時，為了幫助我們處理資訊，快速反應，大腦必須仰賴一些認知捷徑，而認知基模 （Schemas）就是一種認知的捷徑。 「社會基模」一概念由Piaget於1923年提出[1]。
另外關於信念，也類似於我們所說的迷信，會自我繁衍，引導人們去注意並且尋找證實本身的證據，所以歸因時很容易就會被蒙蔽著，可能由於個人偏誤進而導至錯誤的歸因。 不問歸期 文獻發現臨床經驗是決定醫師們告知診斷態度的重要因素，即資深的醫師態度上傾向告知病人診斷，但是醫師親友罹患癌症的經驗，並不是重要的影響因素。 Novack 研究發現，病人的年齡、智能、情緒穩定度與病人家屬贊成告知病人診斷的態度，也是影響醫師告知態度的重要因素。 但文獻研究結果並非如此，反而是醫師主觀猜想病人獲知病情後的反應、與病人得的癌症需接受抗癌治療是重要的相關因素。 基模：存在我們記憶中的結構性知識
不問歸期: 態度的成分
大多數人把決策品質與決策產生的結果相提並論，並由此來當作決策品質的好壞基準。 簡單來說，假設今天A和B完一個骰硬幣的遊戲，正面的話算A贏，B要給A 100元。 如果玩了兩次，A都連續輸了，那麼很多人看到結果就會歸因說A不應該玩這個遊戲因為都連輸，賠錢。 當然因為這樣的決策的規則是非常透明的所以可以一眼看穿。 如果今天以長遠情況來看，A是有利的，他的期望值是較高的，那其實就應該符合這個趨勢去走。
不問歸期: 獨行俠第四節打出30：0竟然輸球 成也三分敗也三分
最常見的例子即是第一印象，常受到外貌特徵、穿著等外顯的資訊，以及我們如何對這些資訊做解讀的影響。 例如：笑臉往往會給人帶來好印象，是因為我們的過去經驗告訴我們笑容代表友善，即使這未必正確，這就是已經被建立的社會基模。 不問歸期 不問歸期2025 不問歸期2025 不問歸期 然而，就實踐經驗來看，這些都不是實戰過程中最有效的分類演算法的方式。
不問歸期: 歸因（Attribution）
因為常常會有不確定與不透明的情況，或者是當下只能知道片面的確定資訊，因此常常會只依靠已經發生的事情去推斷未來事情的結果，影響到以後的決策。 不問歸期2025 然而，要斷定一個決策的模式是否正確或符合期望，應該訓練著自己試著從長遠的目標去看。 要擁抱不確定性，把他從負面的思維轉為中性，重新的定義什麼是正確。 人生就是不停的下注，理信的分配各種手上的不同資源，怎麼分配可以達到最大值。
不問歸期: 態度的功能
古典條件學習（classic conditioning）是一種學習的方法，指的是使兩個不相關的事物頻繁的同時出現，使大腦對兩件事物產生關聯性。 著名的心理學實驗「巴夫洛夫的狗」就是古典條件學習，關於古典條件學習的詳細說明請參見本書（超普通心理學）第六章〈學習〉中古典條件學習條目。 此外，概括化他人（generalized others）的影響，如同儕間的相處，也會使自身產生態度的形成或改變，例如：當我們生活在支持同性婚姻的同溫層中，很有可能就會產生支持同婚的態度。 心理學家認為，自利歸因偏誤之所以存在，是因為這種偏誤可以幫助人保持自尊，或是在失敗時避免自己受到負面情緒過度的傷害，達成自保的效果，這也是為什麼自利歸因偏誤有時也稱為自保偏誤。 當這些對外在環境的經驗是與社會情境或人際互動相關時，將這些經驗處理後產生的基模就稱為社會基模（social schemas）。
不問歸期: 社會認知論（Social Cognition Theory）
至於決定核心路徑與外圍路徑何者會被啟動的關鍵是訊息接收者分析訊息的動機與能力。 不問歸期2025 當這兩者皆高的時候，通常訊息接收者會採用核心路徑來處理訊息，而兩者有其中一者不足的時候，則很有可能會使訊息接收者使用外圍路徑處理訊息。 又稱自保偏誤，指人們在對自己行為進行歸因時，會傾向把好的結果作內部歸因，而失敗、不好的結果作外部歸因，也就是發生好事時自我居功，發生壞事時推卸責任。 當人們看待其他群體（通常是道德觀念、社會觀念不同的群體）時，會傾向為他們的正面行為做出外部歸因，為負面行為做出內部歸因。 但是看待自己所屬的群體時，做出的歸因卻恰恰相反，會為正面行為做出內部歸因，為負面行為做出外部歸因。 使用「模式比較工具」，您就能看出改變歸因模式對行銷管道產生的價值會有什麼影響。
不問歸期: 歸因偏誤（attributional biases）
研究指出，在歐洲越常接觸到菸品廣告的青少年越容易對菸品產生好感。 討論性格時談的是待人處事的傾向、對外在事物反應的傾向，此外在思考過程中也會有習慣的思考方式或傾向。 當某個人傳遞出的訊息符合我們心中的基模時，我們往往能夠快速地接受這個資訊。
不問歸期: 歸因模式總覽
又例如當一社會普遍生理男性皆留短髮，而我們為在每天生活中快速辨認，便形成了「男性皆短髮」的基模，而之後見到留長髮的男性時便會因有違過去基模而感到訝異。 因為聚類是一種無監督學習（即數據沒有標註），並且通常使用數據可視化評價結果。 如果存在「正確的回答」（即在訓練集中存在預標註的集群），那麼分類演算法可能更加合適。 不問歸期2025 在政治上會有許多政客推出許多不同的政策，以便有利於國家的發展。 不同的政客就在政治考量面上有不同的邏輯思考方式，而這種方式是否有利於國家的發展就會一併引發出這個政策的推行的正確性如何。 在這個時代，人們似乎非常的看重政治的正確性，卻沒有顧忌這種聲音的態度正確性。
其中一種「認知結構/框架」正是透過社會環境、文化所形成的，我們將之稱為社會基模（Schema）。 韋納從認知心理學角度將成敗因素歸納進三個維度，更有助於分析成就行為的原因。 人們對成敗的歸因大大影響我們以後的行為，如果一個人將搞砸上司給予的工作歸因為「缺乏能力」，因為能力高低是不可控制的，其將預期以後的工作都會失敗而態度消極；但若將成就歸因於「不夠努力」，會因試圖改變現況而產生積極的態度。
不問歸期: 因為我不好
在人際初識互動中，個人知覺到對方的性格對個人的互動行為之影響，可能是透過個人對於其所知覺 到的性格特質做進一步的行為預測：具有這種性格特質的人可能做出哪些行為？ 這種行為預測是個人依照其過去的人際經驗或其所在的社會文化價值所形成，讓他對某種性格所可能表現的行為有自己的一套內隱理論，這套內隱理論會導引個人的互動行為（De Bruin & 不問歸期 Van Lange， 1999）。 自我知覺理論可以幫助我們界定自己對於一項特定事物的態度，但同時也具有侷限性，我們須先釐清是否有外在因素影響我們的行為，也就是行為是否是完全出自於自願選擇的結果。
不問歸期: 獨行俠第四節打出30：0竟然輸球 成也三分敗也三分
優點：SVM 能對非線性決策邊界建模，並且有許多可選的核函數形式。 不問歸期2025 不問歸期 SVM 同樣面對過擬合有相當大的魯棒性，這一點在高維空間中尤其突出。
分類方法是一種對離散型隨機變數建模或預測的監督學習演算法。 使用案例包括郵件過濾、金融欺詐和預測僱員異動等輸出為類別的任務。 不問歸期2025 不問歸期2025 回歸樹（決策樹的一種）通過將數據集重複分割為不同的分支而實現分層學習，分割的標準是最大化每一次分離的信息增益。 該演算法的形式十分簡單，它期望使用一個超平面擬合數據集（只有兩個變數的時候就是一條直線）。 如果數據集中的變數存在線性關係，那麼其就能擬合地非常好。
它們的架構（即層級的數量和結構）能夠適應於多種問題，並且隱藏層也減少了演算法對特徵工程的依賴。 集成方法，如隨機森林（RF）或梯度提升樹（GBM）則組合了許多獨立訓練的樹。 這種演算法的主要思想就是組合多個弱學習演算法而成為一種強學習演算法，不過這裡並不會具體地展開。 在實踐中 不問歸期 RF 通常很容易有出色的表現，而 GBM 則更難調參，不過通常梯度提升樹具有更高的性能上限。 並且其也不夠靈活以捕捉更複雜的模式，添加正確的交互項或使用多項式很困難並需要大量時間。 當然，你所使用的演算法必須要適合於你試圖解決的問題，這也就有了如何選擇正確的機器學習任務這一問題。
在此處社會學習的過程指的是透過社會互動的過程產生態度。 無論是與家庭成員互動、同儕互動、觀察媒體等，都算是透過社會互動形塑態度。 這就是為什麼有人說言教不如身教，電視、電影、網路等媒體要做年齡分級管制。 其實這都是因為人有觀察模仿的學習能力，孩童看到一些暴力行為，日後有機會就可能表現出暴力行為。
不問歸期: 歸因偏誤（attributional biases）
人們除了用連結與認知進行學習，更多時候，是在社會中觀察模仿別人的行為已學習教訓和經驗。 社會觀察學習經過學習者的判斷才會發生，所以媒體分級制的目的就是希望父母和師長可以幫助兒童和青少年做正確的判斷，不要受新聞人物表現的行為所誤導。 在人際互動中，個人經常有機會透過自己的觀察、朋友的告知、社會網絡或其他的資訊管道，對某位與自己有所接觸的互動對象之性格有所瞭解，進而形成某種特定印象（Smith & Collins， 2009）。 例如，新部屬加入工作團隊時，主管可能透過新部屬所附的資料或他人的推薦信而得知這位新部屬是個外向的人、頗擅長團隊工作。 這種性格的知覺是否會使主管在初次討論工作時，提出較多的問題來詢問這個新部屬的意見？
自 2023 年 7 月 1 日起，標準通用 Analytics (分析) 資源已停止處理資料 (通用 Analytics (分析) 360 資源則是自 2024 年 7 月 1 日起)。 請改用 Google Analytics (分析) 4，然後參閱本說明中心的「Google Analytics (分析) 4 資源」一節。 之所以稱之為「樸素」，是因為該演算法的核心就是特徵條件獨立性假設（每一個特徵之間相互獨立），而這一假設在現實世界中基本是不現實的。