机器学习面试（我是怎么用机器学习技术找到女票的）

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。

这里插一嘴，以前老有人搞错滑铁卢大学，这里的滑铁卢在加拿大，不是比利时那个让拿破仑最后真的拿了破轮的滑铁卢。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：

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(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：

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!