我是怎么用机器学习技术找女票的

编辑 | 都保杰

微信 | ai_xingqiu

网址 | 51aistar.com

参考资料：《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时代，机器学习技术已经被广泛应用，渗透到医疗、机器人、金融、客服、教育等各个领域，如此风风火火，但你听说过用机器学习帮自己在学校找对象这种神操作么？

最近滑铁卢大学一位叫Bai Li的留学生(李白?应是中国同胞)在medium上分享了如何用ML中的逻辑回归方法帮自己找女朋友的方法，让人不得不叹服，码农寻找爱情的方式果然别出心裁。

这个滑铁卢大学位于加拿大，并不是让拿破仑兵败的那个滑铁卢，滑铁卢大学是北美地区最优大学之一，其数学、计算机科学和工程学科教学水平居世界前列，其中优势专业计算机科学名列2017年usnews世界大学排行榜第18位。

不过，滑铁卢大学也是出了名的缺少社交活动和很难找到对象，不少计算机专业的男生都觉得，在这里找女票的几率是微乎其微的，找也不知道该怎么找，谈恋爱又不会，只会敲代码，大概毕业前都是光棍。

有些人觉得爱情这种东西是没法量化的，你只管“做你自己”就好了。不过，作为滑铁卢大学的一个数据科学家，我对此持不同意见。我就想了，既然是搞计算机的，干嘛不试试借助机器学习找女朋友呢?

方法论

于是心动不如行动，马上着手研究如何用机器学习技术找女票。这个研究的核心问题是：具备哪些属性，能在滑铁卢大学众多男生中脱颖而出找到女朋友?很多人觉得兜里有钱会更能吸引妹子，此外身高、有没有肌肉这些指标也会起作用。我们下面就试着找出哪些是最有预测力的属性，哪些假设没有数据支撑。

我首先想到了下面这些属性：

约会（目标变量）：有女朋友，或者过去5年内曾有过至少维持了半年感情的女朋友。

国籍：留学生（因为我也是留学生）

专业：CS，SE和ECE专业

事业：在学术上很成功，找到了薪水优渥的实习工作

有趣性：能说会道，总能找到有趣的谈资

社交性：外向性格，总想认识新朋友

自信：看着比较自信

身高：身高比我高（> 175 cm）

眼镜：戴眼镜（我也戴）

健身：定期去健身房，或者运动

时尚：注重外在形象，穿着有品位

加拿大：过去5年内基本生活在加拿大

亚洲人：来自东亚地区（因为我也是）

看到这里你应该会发现，上面有些属性非常主观，比如怎么证明一个人很有趣?

在上面这些情况中，我按照是否符合标准会赋予1或0这两个值。所以，我们是在衡量人们的上述属性和能找到对象之间的关系。

所以，假如你是想看那种超硬核又严格统计的研究，那么后面的内容可能不是你的菜。

为了收集数据，我把自己能想到的每个人都列在表格里，在每个属性里会以0或1给他们打分，最终，数据集有N=70行，如果你过去两年待在滑大，和我认识，多半这个表格上有你。

分析

首先，我们将精确概率法(Fisher’s Exact Test)对目标约会变量和所有的说明变量进行分析，发现其中有3个变量影响最为显著：

健身：定期去健身房或运动的人有女朋友的概率会高出两倍以上(P值=0.02)

眼镜：不戴眼镜的人有女朋友的概率比戴眼镜的人会高出 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)

和我预期的一样，有肌肉有自信的小伙在这里更有吸引力，不过我对戴眼镜与否影响这么大感到很意外，好奇是不是因为戴眼镜一般会给人产生“书呆子”的印象。所以我又查了些资料，发现还真有这么一回事，有篇研究论文讲到大多数人认为不管男性还是女性，戴眼镜会降低自身吸引力。

有些变量对于能否成功约会可能比较有预测力，不过很难确定，因为样本较小：

留学生比加拿大本地学生的约会成功率要高；

亚洲人和其它人种相比约会机会更少；

纵览其它因素，虽然女生很少，计算机专业的男生似乎并不处于劣势；

剩下的变量(身高/事业/有趣性/社交性/时尚/居住地)这些和成功约会的关系不是很大。（感觉不太准啊～）

本次实验的完整结果：

接着我们检查各变量之间的关系，这可以帮我们识别出不正确的模型假设。红色表示正相关，蓝色表示负相关。我们只展示统计显著性

从图中看起来有相互关系。

在接着往下看之前，我得强调一下我的这些朋友不能代表滑铁卢大学的整体情况，我平时都是在课堂上或工作中认识的他们，虽然什么样的人都有，但都是从事计算机相关的事情，虽然来自不同专业，但大部分来自东亚地区，在加拿大生活。

用这些数据训练后的模型也会反应这些偏差，未来我也会扩大调查范围，收集更多数据。

用逻辑回归预测找女票

要是有个算法能够预测你有多大几率可以找到女票，岂不美哉?我们试试!

我训练了一个逻辑回归广义线性模型，根据我们前文列举的这些说明变量预测是否会有女票。借助R语言中的glmnet和caret包，我用弹性网络正则化训练了这个广义线性模型，然后用标准网格搜索法优化了超参数，在每次迭代中使用留一交叉验证法，并优化kappa系数。

最终模型的交叉验证ROC AUC分数为 0.673，也就是说模型在预测你找到女票的几率方面，比你凭感觉乱猜还是更靠谱些，当然了，生活中总会有些偶然的不确定因素，人生也会有惊喜嘛。

好了不说了，我去健身房了，还要努力摘掉眼镜!

如果你想了解最前沿的AI技术和场景应用

一网打尽AI世界的前瞻科技和深度报道

欢迎关注AI星球，并转发朋友圈为我们打Call~~

你们的支持是我们创造优质内容的不竭动力