我是怎麼用機器學習技術找到女票的

機器學習在我們生活中的用處有多大，就不用我們多說了，大到醫療診斷，小到手機應用，機器學習都應用的風風火火。但是用機器學習幫自己在學校找對象，你聽說過嗎?

最近滑鐵盧大學一位叫 Bai Li 的留學生(李白?應是中國同胞)在 medium 上分享了如何用 ML 中的邏輯回歸方法幫自己找女票的神操作。像這麼實用的技術，我們必須觀摩學習一個。

這裡插一嘴，以前老有人搞錯滑鐵盧大學，這裡的滑鐵盧在加拿大，不是比利時那個讓拿破崙最後真的拿了破輪的滑鐵盧。滑鐵盧大學是加拿大一所著名高校，是北美地區最優大學之一，其數學、計算機科學和工程學科教學水平居世界前列，其中優勢專業計算機科學名列 2017 年 usnews 世界大學排行榜第 18 位。

好了廢話不說，我們觀看少年的表演：

滑鐵盧大學是出了名的缺少社交活動和很難找到對象。和我(原作者Bai Li——譯者注)一樣，滑大的很多計算機專業男生都覺得，找女票是不可能找到的，大概畢業前都不會找到的。找也不知道該怎麼找，談戀愛又不會，就只能敲敲代碼才能維持得了生活這樣子。

有些人覺得愛情這種東西是沒法量化的，你只管「做你自己」就好了。不過，作為滑鐵盧大學的一個數據科學家，我對此持不同意見。我就想了，既然是搞計算機的，幹嘛不試試藉助機器學習找女朋友呢?

方法論

心動不如行動，馬上著手研究如何用機器學習技術找女票。

這個研究的核心問題是：具備哪些屬性，能在滑鐵盧大學眾多男生中脫穎而出找到女朋友?

很多人覺得兜里有錢會更能吸引妹子，此外身高、有沒有肌肉這些指標也會起作用。

我們下面就試著找出哪些是最有預測力的屬性，哪些假設沒有數據支撐。

我首先想到了下面這些屬性：

約會（目標變數）：有女朋友，或者過去5年內曾有過至少維持了半年感情的女朋友。

國籍：留學生（因為我也是留學生）

專業：CS，SE和ECE專業

事業：在學術上很成功，找到了薪水優渥的實習工作

有趣性：能說會道，總能找到有趣的談資

社交性：外向性格，總想認識新朋友

自信：看著比較自信

身高：身高比我高（> 175 cm）

眼鏡：戴眼鏡（我也戴）

健身：定期去健身房，或者運動

時尚：注重外在形象，穿著有品位

加拿大：過去5年內基本生活在加拿大

亞洲人：來自東亞地區（因為我也是）

看到這裡你應該會發現，上面有些屬性非常主觀，比如怎麼證明一個人很有趣?

在上面這些情況中，我按照是否符合標準會賦予 1 或 0 這兩個值。所以，我們是在衡量人們的上述屬性和能找到對象之間的關係(當然是根據我自己的理解，不喜勿噴)。

所以，假如你是想看那種超硬核又嚴格統計的研究，那麼後面的內容可能不是你的菜。

為了收集數據，我把自己能想到的每個人都列在表格里，在每個屬性里會以 0 或 1 給他們打分。最終，數據集有 N=70 行。如果你過去兩年待在滑大，和我認識，多半這個表格上有你。

分析

首先，我們將精確概率法(Fisher』s Exact Test)對目標約會變數和所有的說明變數進行分析，發現其中有 3 個變數影響最為顯著：

健身：定期去健身房或運動的人有女朋友的概率會高出兩倍以上(P值=0.02)

眼鏡：不戴眼鏡的人有女朋友的概率比戴眼鏡的人會高出 70%(P值=0.08)

自信：有自信心的人有朋友的概率更高(P 值=0.09)

和我預期的一樣，有肌肉有自信的小伙更有吸引力。不過我對戴眼鏡與否影響這麼大感到很意外，好奇是不是因為戴眼鏡一般會給人產生「書獃子」的印象。所以我又查了些資料，發現還真有這麼一回事，有篇研究論文講到大多數人認為不管男性還是女性，戴眼鏡會降低自身吸引力。

有些變數對於能否成功約會可能比較有預測力，不過很難確定，因為樣本較小：

留學生比加拿大本地學生的約會成功率要高

亞洲人和其它人種相比約會機會更少

縱覽其它因素，雖然女生很少，計算機專業的男生似乎並不處於劣勢

剩下的變數(身高/事業/有趣性/社交性/時尚/居住地)這些和成功約會的關係不是很大。不好意思，哪怕你在 Facebook 上班，該沒女票還是沒有。

本次實驗的完整結果：

接著我們檢查各變數之間的關係，這可以幫我們識別出不正確的模型假設。紅色表示正相關，藍色表示負相關。我們只展示統計顯著性

從圖中看起來有相互關係。

在接著往下看之前，我得強調一下我的這些朋友不能代表滑鐵盧大學的整體情況。我平時都是在課堂上或工作中認識的他們(雖然什麼樣的人都有，但都是從事計算機相關的事情)，要麼是熟人(雖然來自不同專業，但大部分來自東亞地區，在加拿大生活)。

用這些數據訓練後的模型也會反應這些偏差，未來我也會擴大調查範圍，收集更多數據。

用邏輯回歸預測找女票

要是有個演算法能夠預測你有多大幾率可以找到女票，豈不美哉?我們試試!

我訓練了一個邏輯回歸廣義線性模型，根據我們前文列舉的這些說明變數預測是否會有女票。藉助 R 語言中的 glmnet 和 caret 包，我用彈性網路正則化訓練了這個廣義線性模型。然後用標準網格搜索法優化了超參數，在每次迭代中使用留一交叉驗證法，並優化 kappa 係數。

最終模型的交叉驗證 ROC AUC 分數為 0.673，也就是說模型在預測你找到女票的幾率方面，比你憑感覺亂猜還是更靠譜些。當然了，生活中總會有些偶然的不確定因素，人生也會有驚喜嘛。

好了不說了，我去健身房了，還要努力摘掉眼鏡!

後話：小哥在原文中將自己的模型分享了出來(很可能已經找到另一半所以也不藏私了)，用它就能測試自己在滑鐵盧大學找到女票的概率。奈何打開鏈接後，目前已無法獲取模型。如果後期能正常訪問，我們會把這款能預測你「姻緣」的模型分享給大家。當然了，如果你能自己創建一款這樣可以預測桃花運概率的AI「半仙」，那是墜吼滴!

來源：超級數學建模

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！