MENTAL MODEL · M4765
卡尔曼滤波
Kalman Filter
Version 1.0.0 · 更新于 2026-07-30
CORE DEFINITION · 核心定义
一种递归算法，用于在存在噪声（误差）的数据中，通过结合"上一时刻的预测"和"当前的测量"，估计出系统的真实状态。它不完全信预测，也不完全信测量，而是根据两者的不确定性进行加权。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
动态修正偏差。在面对不确定的未来时，不要固守最初的计划（预测），也不要盲目随波逐流（测量）。要像卡尔曼滤波一样，不断根据新信息更新对现状的"最佳估计"，并在噪音中逼近真相。
anchor
锚定快速决策
以贝叶斯式递归在预测（模型）与测量（观测）间按不确定性加权，得到最小均方误差的状态估计；不确定性小的一方权重更大，动态逼近真实。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Kalman_filterverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型