数据分析—问卷调查从模型到算法
每个人心中都有一个完美的另一半,如何去找到这个自己心中最认可的另一半,在慢慢人生旅途中,我们所经历过的事情,都在影响着我们的决定,影响着我们对另一半的选择,这将是一个重大的问题,关乎着自己未来的无论是物质还是精神上的幸福。这不仅仅是一个运气的问题,还包含着巨大的人生智慧在其中,用你独具慧眼的原则和标准去判断。那么如何在长长的时间轴上判断最优秀的另一半是否出现了呢?是否其中也有哲学在其中呢?是否有量化的策略使得我们成功的几率更大呢?
2.模型始于假设:
假设1:一切皆可量化,两个人在一起取决于价值,外貌、性格、潜力甚至于感情责任等等都可以被量化,最终形成一个人的基本属性——价值,价值越高则越优秀,选择最优秀的人为伴侣;
假设2:基于时间序列,每接触一个人在经历一段时间相处之后不具有可回溯性(即不考虑惊天大逆转,突然屌丝变高帅富),再次和前任谈的时候,考虑到人总是成长的,前任以新的价值属性出现,作为挑选方,对方价值的评估以当时那个时间节点不可变(人总会成长,虽然过去的认知的价值在当前可能被贬低,但被估值的人也会成长),对于价值的评估不会失误到有近乎于极端异常值的判断,在时间轴上异性有先后顺序;
假设3:挑选是单向的,每个人都在寻找心中最高价值的TA,并且知道会遇到多少个异性
模型的量化好坏取决于算法的优劣、假设的合理性,基于以上假设,去推导其中算法:
现在我们的男主,在时间轴上他会遇到N个我们的女主,男主要挑到最优秀的真命女主,假定处于第i个女主是真命女主,为了遇到这个这个真命女主,男主需要去接触k次女主,作为对女主价值的认知,以便进行判断对真命女主的价值的benchmark认知:
第一步:第i个女主是真命女主,那么概率是1/N。
第二步:benchmark的意义在与,前i个女主中,比第i个真命女主价值小的次最大价值女主出现在试探性的1到k个女主中,概率为k/(i-1),这个次最大价值女主为什么不是全域上的最大女主,因为我们遇到了第i个时,第i个女主是假定的最大价值女主,我们不需要i+1到N去挑了。同样的道理,一旦男主接触试探了k个女主,次最大价值女主在1到k时,那么k到i-1女主自然是不用再看了,第一个比1到k中出现的次最大女主价值大的就是真命女主。
那么男主试探k个女主找到真命的概率就是:
3.结论分析
综上可得,目标函数可用。对目标函数求导,发现x=1/e时,一阶导数为0,x<1/e时导数为正,x>1/e时则为负,故而目标函数收敛于x=1/e。代入x=1/e,得到
也就是说,当x=1/e的时候,在我们的男主试探(认识了N*个女主)有最大的概率即约为37%的概率遇到我们的真命女主——那个我们男主最想要的的女主。从理论模型我们回到现实,也即是说当我们的男主在时间序列上遇到了100个女主(N=100),那么我们的男主要认识37次女主(k=37,),以进行判断真命女主,在37次接触中,只要碰到从第37个开始,比前36个价值最高的女主还高,那么该女主就以最大可能性成为我们的最高价值女主。那么这就是你最认可的另一半了。
实际生活中,我们打交道的女生其实远没有那么多,所以当我们认识几个女生以后就开始“收敛”了,从心里我们就认定彼此了。上述算法的结论一般性意义在与:
1.假如你对未来伴侣特别挑剔,那你起码应该适量的多认识几个,尤其是对于那些身边异形很多的朋友,想要遇到自己中意的,可能就需要更多才能有一个比较理性的判断;
2.从“收敛”性看出,不是认识的异形越多越多就会遇到更优秀的人,往往越到最后就会成空。成为一个人的初恋意味着成为别人的“收敛”节点可能性更大,假如你还可以重新加入TA的挑选队列,反言之初恋往往没有好下场也是同样的道理,人是会变的,价值观自然也会变;
3.因为资源有限,好的总是出手或者被出手快,导致身边的异性偏少,越优秀的会越快“收敛”;反言之越优秀可能最后就剩了下来,这是两个极端情况,实际生活中并不少见,晚点结婚对于现代更开放的年轻人来说也是有优势的,处于中间则是最惨的——所以这大约也是被逼婚的重要原因。
更多的结论在实际调查中是有待调研得出的......
我们要做的是能以最大化的几率遇到最优秀的人,以最高的效率遇到你最中意的人,然后就放手去追TA吧!当然,也要去认识到模型的短板,毕竟找到另一半是一个涉及方方面面,是个极为复杂的问题。假设1缺陷在与量化的困难,一个人的价值不是裸露在外面就可以看到的,不然也不会有这么多遇人不淑;假设3的缺陷在与如何去确认N值的大小,虽然一个时期内经过一定时间的沉淀,身边的异性是差不多固定的......这些都不用去管,重要的是模型通过了,只需要添加一些问题:你身边的异性朋友有多少?你的性格是外向、一般、宅男?等等这些问题,只要人们对美的向往心无限,那么我的模型和算法就有可取之处。
从上述模型和算法,我们要知道,做数据分析和数据挖掘必须有着对数据的敏感性,假如过去曾经发生的事对于未来没有任何影响的话,那么TA一定是失败的,我觉得对于任何其他职业也是一样。在真正的数据挖掘和分析师看来,将来的事从来都不是随机,发生过的事情进过一定的“惩罚机制”去放大效果,对于将来的影响是巨大的。一定几率的事可以代表着将近绝对的概率发生,这并不是一句矛盾的话。这正是机器学习的核心所在,细小的变动,于细枝末节处慢慢的体现出对最终结果的影响,发生过的数据一点点的推进学习的步伐,最后就能学习到一定规律的东西。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14