有个小哥哥用机器学习帮自己脱单，结果。。。
By 超神经
滑铁卢大学一位叫 Bai Li 的华裔小哥哥，在 Medium 上分享了自己「如何用 ML 中的逻辑回归方法帮自己找脱单」的神操作。
像这么实用的技术，必须学习一个。
滑铁卢大学是加拿大一所著名高校，是加拿大最好的大学之一，尤其数学、计算机科学等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。
滑铁卢大学和所有的理工科学校一样，除了男女比例极不协调外，缺少社交活动，很难找到对象。
有些人觉得爱情这种东西是没法量化的，你只管「做你自己，顺其自然」就好了。
不过，作为滑铁卢大学的一个数据科学家，小哥哥对此持不同意见。他觉得自己既然是搞计算机的，干嘛不试试借助机器学习来帮助自己找女朋友呢?
撩妹方法论：武装自己
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：
具备哪些属性才能在众多男生中脱颖而出，受到妹纸们的青睐?
小哥哥就试着列出了男生上的特征属性，想找出哪些假设是可以有数据支撑。
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
专业
CS，SE和ECE专业
事业
在学术上成功，
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
能说会道，总能找到有趣的谈资
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
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。
上面有些属性非常主观，比如怎么证明一个人很有趣？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。如果你过去两年和我同校，和我认识，多半这个表格上有你。
认真分析落单原因
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)
小哥哥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。
所以小哥哥又查了些资料，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，毕竟约会只是确认关系的第一步，很少有年轻人想得太远太复杂。
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
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。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
如果有个算法能够预测你有多大几率可以找到女票，岂不美哉?
小哥哥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。
最终结论
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，小哥哥要去健身房了，还要努力摘掉眼镜！
献上 Bai Li 小哥哥的真人近照
彩蛋：小哥哥现在怎么样了？
原文作者 Bai Li 小哥哥完成这项研究时，是在今年四月，他将文章发布在 Medium 之后也大受好评，小哥哥的项目可以通过他的 GitHub 了解更多。
关注公众号后回复「单身狗」，
即可获得小哥哥的 GitHub 地址
从文章发布到今天已经快四个月咯，小哥哥怎么样了呢，我们也是通过一个不存在的网站，也称脸书，联系到了小哥哥本哥，自己体会一下：
超神经小百科
单词
univariate
[ju:nɪ'veərɪrt] adj. 单变量的
multivariate
[mʌltɪ'veərɪɪt] adj. 多变量的
词组
ogistic regression 逻辑回归
历史文章（点击图片阅读）
几位程序员，开源了自己的 AI 项目
脑洞清奇的日本人，连搞 AI 都不正经
经过智商测试：你 100 ，AI 150
超神经HyperAI
换个姿势了解技术
关注