我是怎麼用機器學習技術找女票的

編輯 | 都保傑

微信 | ai_xingqiu

網址 | 51aistar.com

參考資料：《Learning to find a Girlfriend at the University of Waterloo by Logistic Regression》

https://medium.com/@uw_data_scientist/learning-to-find-a-girlfriend-at-the-university-of-waterloo-by-logistic-regression-18a0d22da896

AI時代，機器學習技術已經被廣泛應用，滲透到醫療、機器人、金融、客服、教育等各個領域，如此風風火火，但你聽說過用機器學習幫自己在學校找對象這種神操作么？

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朋友的方法，讓人不得不嘆服，碼農尋找愛情的方式果然別出心裁。

這個滑鐵盧大學位於加拿大，並不是讓拿破崙兵敗的那個滑鐵盧，滑鐵盧大學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。

不過，滑鐵盧大學也是出了名的缺少社交活動和很難找到對象，不少計算機專業的男生都覺得，在這裡找女票的幾率是微乎其微的，找也不知道該怎麼找，談戀愛又不會，只會敲代碼，大概畢業前都是光棍。

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

於是心動不如行動，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。

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在這裡更有吸引力，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。（感覺不太准啊～）

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，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!

如果你想了解最前沿的AI技術和場景應用

一網打盡AI世界的前瞻科技和深度報道

歡迎關注AI星球，並轉發朋友圈為我們打Call~~

你們的支持是我們創造優質內容的不竭動力

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！