怎么用机器学习技术找到女票？

机器学习在我们生活中的用处有多大，就不用我们多说了，大到医疗诊断，小到手机应用，机器学习都应用的风风火火。但是用机器学习帮自己在学校找对象，你听说过吗?

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票的神操作。像这么实用的技术，我们必须观摩学习一个。

这里的滑铁卢大学是加拿大一所著名高校，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。

好了废话不说，我们观看少年的表演：

滑铁卢大学是出了名的缺少社交活动和很难找到对象。和我(原作者Bai Li——译者注)一样，滑大的很多计算机专业男生都觉得，找女票是不可能找到的，大概毕业前都不会找到的。找也不知道该怎么找，谈恋爱又不会，就只能敲敲代码才能维持得了生活这样子。

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

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：

1. 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。
2. 国籍：留学生（因为我也是留学生）
3. 专业：CS，SE和ECE专业
4. 事业：在学术上很成功，找到了薪水优渥的实习工作
5. 有趣性：能说会道，总能找到有趣的谈资
6. 社交性：外向性格，总想认识新朋友
7. 自信：看着比较自信
8. 身高：身高比我高（> 175 cm）
9. 眼镜：戴眼镜（我也戴）
10. 健身：定期去健身房，或者运动
11. 时尚：注重外在形象，穿着有品位
12. 加拿大：过去5年内基本生活在加拿大
13. 亚洲人：来自东亚地区...

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(当然是根据我自己的理解，不喜勿喷)。

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：

1. 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)
2. 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)
3. 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。不好意思，哪怕你在 Facebook 上班，该没女票还是没有。

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 <0.1 的相关性，因此大部分变量之间的关系为空白。

从图中看起来{有女朋友，看起来自信，去健身房，不戴眼镜}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)，要么是熟人(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。

参考资料： Learning to find a Girlfriend at the University of Waterloo by Logistic Regressio