Ein Junger Mann Nutzte Maschinelles Lernen, Um Eine Partnerin Zu Finden, Und Das Ergebnis War: . .

Die University of Waterloo ist eine berühmte Universität in Kanada und eine der besten Universitäten Kanadas. Das Lehrniveau in Ingenieurdisziplinen wie Mathematik und Informatik gehört zu den besten der Welt. Das bevorzugte Hauptfach, die Informatik, belegt im US News World University Ranking 2017 den 18. Platz.

Wie an allen naturwissenschaftlichen und technischen Fakultäten herrscht an der University of Waterloo ein äußerst unausgewogenes Geschlechterverhältnis und es mangelt an sozialen Aktivitäten, was die Partnersuche erschwert.

Manche Menschen glauben, dass Liebe nicht quantifizierbar sei und man einfach „man selbst sein und der Natur ihren Lauf lassen“ solle.

Als Datenwissenschaftler an der University of Waterloo ist der junge Mann damit jedoch nicht einverstanden. Er war der Meinung, dass er als InformatikerWarum versuchen Sie nicht, mithilfe von maschinellem Lernen eine Freundin zu finden?

Taten sagen mehr als Worte, also begann ich zu recherchieren, wie man mithilfe von maschinellem Lernen eine Freundin finden kann.

Die Kernfragen dieser Studie sind:

Welche Eigenschaften braucht man, um aus der Masse der Jungs hervorzustechen und bei den Mädchen beliebt zu sein?

Kleiner BruderIch habe versucht, die charakteristischen Merkmale von Jungen aufzulisten, in der Hoffnung herauszufinden, welche Hypothesen durch Daten gestützt werden könnten.

In den oben genannten Fällen weise ich je nachdem, ob die Kriterien erfüllt sind, einen Wert von 1 oder 0 zu. Wir messen also die Beziehung zwischen den oben genannten Eigenschaften einer Person und ihrer Fähigkeit, Objekte zu finden.

Einige der oben genannten Eigenschaften sind sehr subjektiv. Wie beweist man beispielsweise, dass eine Person interessant ist? Wenn Sie also extrem knallharte und strenge statistische Forschung sehen möchten, dann ist der folgende Inhalt vielleicht nicht das Richtige für Sie.

Um die Daten zu sammeln, habe ich jede Person, die mir einfiel, in einer Tabelle aufgelistet und sie für jedes Attribut mit 0 oder 1 bewertet. Schließlich hat der Datensatz N=70 Zeilen. Wenn Sie in den letzten zwei Jahren auf derselben Schule waren wie ich und mich kennen, stehen Sie höchstwahrscheinlich auf dieser Liste.

Zunächst analysierten wir mit dem exakten Test von Fisher die Zieldatumsvariable und alle erklärenden Variablen. Dabei stellten wir fest, dass drei Variablen den größten Einfluss hatten:

• Fitness:Wer regelmäßig ins Fitnessstudio geht oder Sport treibt, hat mit mehr als doppelt so hoher Wahrscheinlichkeit eine Freundin (P-Wert = 0,02).

• Gläser:Die Wahrscheinlichkeit, dass Menschen ohne Brille eine Freundin haben, ist 70% höher als bei Menschen mit Brille (P-Wert = 0,08).

• Vertrauen:Menschen mit hohem Selbstvertrauen haben eher Freunde (P-Wert = 0,09)

Der junge Mann war überrascht, dass das Tragen einer Brille einen so großen Einfluss hatte und fragte sich, ob dies daran lag, dass das Tragen einer Brille den Menschen generell den Eindruck vermittelt, sie seien „Streber“.

Also suchte der Typ nach weiteren Informationen und stellte fest, dass es stimmte. Einer Forschungsarbeit zufolge glauben die meisten Menschen – egal ob Mann oder Frau –, dass das Tragen einer Brille ihre Attraktivität mindert.

Einige Variablen sind möglicherweise aussagekräftiger für den Erfolg beim Dating, aber aufgrund der geringen Stichprobengröße ist es schwierig, sich sicher zu sein:

• Internationale Studierende haben eine höhere Erfolgsquote beim Dating als kanadische Studierende

• Asiaten haben weniger Dating-Möglichkeiten als andere Rassen

Betrachtet man andere Faktoren, so scheinen Jungen, die Informatik studieren, trotz der geringeren Zahl an Mädchen nicht im Nachteil zu sein. Die übrigen Variablen (Größe/Karriere/Spaß/Sozialverhalten/Mode/Wohnort) haben keinen großen Einfluss auf erfolgreiches Dating. Schließlich ist das Dating nur der erste Schritt zur Bestätigung einer Beziehung und nur wenige junge Menschen denken zu weit oder zu kompliziert.

Die vollständigen Ergebnisse dieses Experiments:

Anschließend untersuchten wir die Beziehungen zwischen den Variablen, was uns dabei half, falsche Modellannahmen zu identifizieren.

Rot zeigt eine positive Korrelation an und Blau eine negative Korrelation

Es werden nur Korrelationen mit einer statistischen Signifikanz < 0,1 angezeigt, daher sind die Beziehungen zwischen den meisten Variablen leer.

Es scheint auf dem Bild{ hat eine Freundin, sieht selbstbewusst aus, geht ins Fitnessstudio, trägt keine Brille }Es besteht eine gegenseitige Beziehung. Mit diesen Daten trainierte Modelle werden diese Verzerrungen ebenfalls widerspiegeln, und ich werde den Umfang meiner Untersuchung erweitern und in Zukunft weitere Daten sammeln.

Wäre es nicht toll, wenn es einen Algorithmus gäbe, der Ihre Chancen vorhersagen könnte, eine Freundin zu finden?

Der junge Mann trainierte ein verallgemeinertes lineares Modell der logistischen Regression, um auf der Grundlage der zuvor aufgeführten erklärenden Variablen vorherzusagen, ob er eine Freundin haben würde.

Mithilfe der Pakete glmnet und caret in R habe ich dieses verallgemeinerte lineare Modell mit elastischer Netzregularisierung trainiert. Anschließend wurden die Hyperparameter mithilfe einer standardmäßigen Rastersuchmethode optimiert, wobei bei jeder Iteration eine Leave-One-Out-Kreuzvalidierung durchgeführt und der Kappa-Koeffizient optimiert wurde.

Das endgültige Modell weist einen kreuzvalidierten ROC-AUC-Score von 0,673 auf. Dies bedeutet, dass das Modell Ihre Chancen, eine Freundin zu finden, besser vorhersagen kann als Ihre Vermutung.

Natürlich gibt es im Leben immer einige zufällige Ungewissheiten und es wird Überraschungen geben. Okay, genug geredet, der kleine Bruder geht ins Fitnessstudio und muss sich ganz schön anstrengen, seine Brille abzunehmen!

Hier ist ein aktuelles Foto von Bai Li