女生看男生，男生看女生？
最近，我在一個在杜雷斯專頁的貼文中（利申：沒有收取廣告費，要給我是歡迎的，笑）看到了有一個決策樹(Decision Tree)，我本來一笑而之，可是再想一想，用直覺去判斷這個樹的設計，也好像是挺合理的。突然，我的靈感就跑出來，如果用數據去建模(Modeling)的話，結果會一樣嗎？這個無聊的想法也驅使我做更無聊的事，就是把分類決策樹(Classification Tree)建造出來 LOL，看看朋友們的想法是否接近這幅圖所表達的~
如果自己沒有膽量，又想了解女神或者男神對你的感覺，這棵樹應該可以幫助你，因為它能大概預測到男神或女神對你有沒有好感！
剛好筆者正在學習使用R，所以分析和建模的那部分這一次就交給R，來當作練習吧～所以對不起了，Python大大~_~
首先，我認清自己的目標和方向
目標變數 (Target Variables)： 對異性的感覺，值有以下3個：
$y_1$: 有好感的（好感）
$y_2$: 沒有好感，但覺得是好人 （好人）
$y_3$: 完全沒有好感（BYE~）
輸入變數(Input Variables)：
$x_1$: 外表, Appearance（帥vs不帥, 美女vs不好看）
$x_2$: 交流, Chatable（聊得來，聊不來）
為了獲得數據，最直接了當就是去做訪問，而訪問對象當然就是自己的朋友們（還好沒有傷害到友情），去了解他們對自己的朋友X先生/Y小姐們的感覺。
想直接看結果，直接拉去 ===分隔線=== 吧～
於是我設計幾個問題, 來刁難訪問我幾位的朋友們：
為了提高問卷可信性，外表和交流因素各拆分成3個問題，回答只有兩個選項：對／不對，以最多的對或者不對來決定該因素是對還是不對，即是，如果我回答Y小姐外表吸引，樣子漂亮，可是身材不好，那麼外表因素會被視為對(Apperance = 1)。
筆者一共訪問了16位朋友，每位朋友提交大概3至5個回應，收集回來的回應一共有60，其中31個來自女生的，29個來自男生的。
P. S. 由於R不能顯示中文，所以用了英文表示：
Interested: 有好感的
Good Guy: 沒有好感，但覺得是好人
Bye~: 完全沒有好感
好！先來看看"女生看男生"的決䇿樹（右圖），跟左圖也十分相似，結果與我想像的是有出入，我本以為女生除了帥哥，還要看看能不能聊天，可是這棵樹表示只有是帥哥，女生就直接有好感，這讓我很詫異，女生看外表實屬正常，可是談不來的男生也通吃，這個說法未免太飢喝了吧，實在是說不過去，於是我直接把數據閱讀一次，發現了全部被認為是外表吸引的男生，同時是聊得來的，用概率來表示即是$P(Chatable=1|Appearance=1) = 1$。至於為什麼決策樹左邊的Node（綠色那個節點）沒有再分成2支，是綠色節點裡的男生(帥，Apperance = 1)全都是聊得來(chatable = 1)，根本沒有聊不來的男生，$n(chatable=0)=0$)，所以綠色節點裡已經不能再分裂下去，這就能解釋這個看似女生都很肉食的現象~LOL
P. S.
綠色節點(1)裡面都預為"好感"
藍色節點(2)裡面都預為"好人"
橙色節點(3)裡面都預為"BYE～"
如果你不想了解這棵樹的構造跟用途，可以直接跳去男生看女生那部分。所謂在機器學習(Machine_Learning)的決策樹(Decision_Tree)，就是有利用分支上規則來決定（預測）目標變數的值，由於今次的研究的目標變數是3個類別，所以我建的是分類樹（Classification_Tree），顧名思義，就是用作分類，至於如何決定用什麼的規則來作分支，還有迴歸樹(Regression_Tree)等，請期待未來的文章，我會發佈一個決䇿樹的詳細教學。
先回到這裡，右圖有3個Leaf Nodes，最左邊綠色的有5組數字，到底這是什麼意思呢？最上面的是預測的類別代號，1就是"好感"，剛才也討論過，綠色節點的男生都帥哥，0.83, 0.17, 0.00就是說明，有83%的帥哥是被認為有好感，17%的是好人，沒有帥哥是被拒絕的(0%)，這個肉食現象已經解釋了, 有39%的小鮮肉都被分配到這個節點。所以再看看藍色的，不帥可是聊得來的男生，有7%幸運得到女生的青睞，七成的都被派好人卡了（哭哭），其餘BYE了。橙色的不用說了，跟沒有外表又聊不來的男生直接說再見。男生們不用擔心，俗語有話情人眼裡出西施，在某些女生眼中，你可能是她們眼中的帥哥。
那麼這裸樹，為什麼能達到預測的效果呢？其實每一個Leaf_Node的類別也是從真普選選出來的，綠色節點裡好感的男生佔太多數，所以這個節點被視為"好感"，如此類推，藍色是"好人"，橙色是"BYE～"，絕對是十分民主的。假設我手頭上多了一些數據可是沒有目標變數不見了，也即是去訪問女性朋友A對男性朋友B的外表帥不帥跟能不能聊得來，可是直接問對朋友B有沒有好感，實在讓人難為情和尬尷，，這時候，這裸樹就大派用場了！根據樹上的規則，如果朋友B不是朋友A眼中的帥哥(Appearance = 0)，又能聊得下去 (Chatable = 1)，他已經被分類為"好人"，作為兄弟只好安慰他，準備收好人卡吧(Sosad)。不用擔心，模型的預測是不可能100％準確的，所以是不能盡信的，不要過於依賴這些模型預測的結果啊！
很明顯的，如果覺得女生沒有吸引的外表，91%的機會收好人卡或者拒絕，你可能會說男生都很膚淺很壞的，只顧外表，可是，當我看到右圖的藍色節點後，發現我建的模型（右圖）是預測為"沒有好感"，而左圖的則是"好感"，把左圖的作者直接打臉。所以不要認為女生們不要傻傻的以為男生只看重外表，凡是美女都會有好感，那只是用來安慰自以為有漂亮臉蛋，性格王八蛋的女生啊。
要了解這棵樹的構造，原理跟"女生看男生"的那一棵是一模一樣的，數字所表達的意思是一樣，所以可以參考"女生看男生"那部分。不過，這裡特別一點就是，左邊的藍節點有7%的漂亮女生在裡面，可是她們都是男生眼中的"BYE～"，由於這個節點沒有混雜了其他類別，很Pure也很True，所以這個節點稱為Pure Leaf Node, 其Impurity的值為0。
只要我把目標變數還原回三個值："好感"，"好人"，"BYE～"，就更清楚男生的想法，外表跟聊得來也是同樣重要的，缺少其中一樣也只是男人心目中的"好人"，至於"BYE～"，大家都是聰明人的，我就不解釋了，嗯。
綜觀兩個結果，對於男生和女生，要對一個異性產生好感，外表跟聊得來這兩個因素，缺一也不可。其實結果也很直覺的，只是筆主也想看看會不會有什麽特別的發現，例如漂亮的女生或者帥哥會被直接Say Bye~。
另外，想知道女神或者男神們，你可以請你的好友跟你的女神男神們套話，如果他們心裡覺得你外表吸引又談得來，那麼你準備"得米"（成功）吧！當然，模型的預測能力不是百分之百，如果結果不是想像中的，也不要太灰心，因為你根本不知道女神男神們的真正想法，據筆者經驗，尤其是男生們，與其守株待兔倒不如主動出擊吧！
當談到那一個因素是比較重要的，很抱歉決策樹不能檢測因素對輸出的相對重要性，所以我是不知道的。如果徇眾要求的話，我倒是可以建其他的模型，來對比重要性。
當然，這個實驗的準確可信性也有一些因素限制，包括樣本數量並不多，而且沒有考慮研究對象的年齡，性格，經濟，家境，感情狀態等其他因素，會造成統計學上的取樣偏誤(Sampling Bias) ，所以分析結果不能應用在Population上, 即是所有香港人身上，換句話說就是不能以偏概全。
更重要的是，收集回來的回應可能並不是朋友們心裡想的一樣，始終這是比較敏感的問題嘛，如果是說謊是可以原諒的～這也因此難免造成誤差。
而且目標變數(Target Variable)，一般會集中"好人"這個類別，對於一個人來說，在自己的朋友圈中，"好人"的數目一定會多過"有好感的"或者"完全沒有好感"，因此會出現統計學上的bias，如果"好人"的數目太多的話，決策樹的預測能力會受到影響，還好類別的比例沒有出現太大的差距。
現實上，一個人會對一個異性有好感，不一定是外表跟談得來那麽的簡單，還有相處，經濟，環境，時間洗禮等不同因素，這個小實驗純粹試一下廣告貼文中的樹是否有根據而已，如果過份認真你就輸了～（所以我早已輸了X"D）
最後，如果你覺得我的文章或好看或是有用的話，不妨給我一個G+1吧！謝謝你，不是因為你的G+1，是因為你已經把我的文章讀完，感謝你的時間，尤其是幫我做填問卷的各位好朋友，沒有你們的幫忙，就沒有這篇文章！
如果自己沒有膽量，又想了解女神或者男神對你的感覺，這棵樹應該可以幫助你，因為它能大概預測到男神或女神對你有沒有好感！
剛好筆者正在學習使用R，所以分析和建模的那部分這一次就交給R，來當作練習吧～所以對不起了，Python大大~_~
來源：杜雷斯Facebook專頁
首先，我認清自己的目標和方向
目標變數 (Target Variables)： 對異性的感覺，值有以下3個：
$y_1$: 有好感的（好感）
$y_2$: 沒有好感，但覺得是好人 （好人）
$y_3$: 完全沒有好感（BYE~）
輸入變數(Input Variables)：
$x_1$: 外表, Appearance（帥vs不帥, 美女vs不好看）
$x_2$: 交流, Chatable（聊得來，聊不來）
為了獲得數據，最直接了當就是去做訪問，而訪問對象當然就是自己的朋友們
想直接看結果，直接拉去 ===分隔線=== 吧～
於是我設計幾個問題, 來
1a. 你覺得X先生/Y小姐外表吸引嗎？ 對／不對
1b. 你覺得X先生/Y小姐的樣子帥嗎？ 對／不對
1c. 你覺得X先生/Y小姐的身材好嗎？ 對／不對
2a. 你跟X先生/Y小姐聊得來嗎？ 對／不對
2b. 你會想繼續跟X先生/Y小姐聊天嗎？ 對／不對
2c. 你不會抗拒跟X先生/Y小姐聊天嗎？ 對／不對
3. 那麽，你對X先生/Y小姐的感覺是嗎？
有好感的／沒有好感，但覺得是好人／完全沒有好感 （三選一）
4. 你是男生還是女生？ 男／女
為了提高問卷可信性，外表和交流因素各拆分成3個問題，回答只有兩個選項：對／不對，以最多的對或者不對來決定該因素是對還是不對，即是，如果我回答Y小姐外表吸引，樣子漂亮，可是身材不好，那麼外表因素會被視為對(Apperance = 1)。
筆者一共訪問了16位朋友，每位朋友提交大概3至5個回應，收集回來的回應一共有60，其中31個來自女生的，29個來自男生的。
女生眼中的男生分佈圖
P. S. 由於R不能顯示中文，所以用了英文表示：
Interested: 有好感的
Good Guy: 沒有好感，但覺得是好人
Bye~: 完全沒有好感
男生眼中的女生分佈圖
==================================== 女生看男生 ====================================
好！先來看看"女生看男生"的決䇿樹（右圖），跟左圖也十分相似，結果與我想像的是有出入，我本以為女生除了帥哥，還要看看能不能聊天，可是這棵樹表示只有是帥哥，女生就直接有好感，這讓我很詫異，女生看外表實屬正常，可是談不來的男生也通吃，這個說法未免太飢喝了吧，實在是說不過去，於是我直接把數據閱讀一次，發現了全部被認為是外表吸引的男生，同時是聊得來的，用概率來表示即是$P(Chatable=1|Appearance=1) = 1$。至於為什麼決策樹左邊的Node（綠色那個節點）沒有再分成2支，是綠色節點裡的男生(帥，Apperance = 1)全都是聊得來(chatable = 1)，根本沒有聊不來的男生，$n(chatable=0)=0$)，所以綠色節點裡已經不能再分裂下去，這就能解釋這個看似女生都很肉食的現象~LOL
綠色節點(1)裡面都預為"好感"
藍色節點(2)裡面都預為"好人"
橙色節點(3)裡面都預為"BYE～"
如果你不想了解這棵樹的構造跟用途，可以直接跳去男生看女生那部分。所謂在機器學習(Machine_Learning)的決策樹(Decision_Tree)，就是有利用分支上規則來決定（預測）目標變數的值，由於今次的研究的目標變數是3個類別，所以我建的是分類樹（Classification_Tree），顧名思義，就是用作分類，至於如何決定用什麼的規則來作分支，還有迴歸樹(Regression_Tree)等，請期待未來的文章，我會發佈一個決䇿樹的詳細教學。
先回到這裡，右圖有3個Leaf Nodes，最左邊綠色的有5組數字，到底這是什麼意思呢？最上面的是預測的類別代號，1就是"好感"，剛才也討論過，綠色節點的男生都帥哥，0.83, 0.17, 0.00就是說明，有83%的帥哥是被認為有好感，17%的是好人，沒有帥哥是被拒絕的(0%)，這個肉食現象已經解釋了, 有39%的小鮮肉都被分配到這個節點。所以再看看藍色的，不帥可是聊得來的男生，有7%幸運得到女生的青睞，七成的都被派好人卡了（哭哭），其餘BYE了。橙色的不用說了，跟沒有外表又聊不來的男生直接說再見。男生們不用擔心，俗語有話情人眼裡出西施，在某些女生眼中，你可能是她們眼中的帥哥。
那麼這裸樹，為什麼能達到預測的效果呢？其實每一個Leaf_Node的類別也是從真普選選出來的，綠色節點裡好感的男生佔太多數，所以這個節點被視為"好感"，如此類推，藍色是"好人"，橙色是"BYE～"，絕對是十分民主的。假設我手頭上多了一些數據可是沒有目標變數不見了，也即是去訪問女性朋友A對男性朋友B的外表帥不帥跟能不能聊得來，可是直接問對朋友B有沒有好感，實在讓人難為情和尬尷，，這時候，這裸樹就大派用場了！根據樹上的規則，如果朋友B不是朋友A眼中的帥哥(Appearance = 0)，又能聊得下去 (Chatable = 1)，他已經被分類為"好人"，作為兄弟只好安慰他，準備收好人卡吧(Sosad)。不用擔心，模型的預測是不可能100％準確的，所以是不能盡信的，不要過於依賴這些模型預測的結果啊！
==================================== 男生看女生 ====================================
至於男生看女生，由於原圖的目標變數只有兩個值："好感"，"BYE～"，因此我把問卷裡的目標變數："沒有好感，但覺得是"好人"和"完全沒有好感"合成為"沒有好感"。我們可以從下面的對比圖看到，樹的結構跟原圖是一樣的！很明顯的，如果覺得女生沒有吸引的外表，91%的機會收好人卡或者拒絕，你可能會說男生都很膚淺很壞的，只顧外表，可是，當我看到右圖的藍色節點後，發現我建的模型（右圖）是預測為"沒有好感"，而左圖的則是"好感"，把左圖的作者直接打臉。所以不要認為女生們不要傻傻的以為男生只看重外表，凡是美女都會有好感，那只是用來安慰自以為有漂亮臉蛋，性格王八蛋的女生啊。
要了解這棵樹的構造，原理跟"女生看男生"的那一棵是一模一樣的，數字所表達的意思是一樣，所以可以參考"女生看男生"那部分。不過，這裡特別一點就是，左邊的藍節點有7%的漂亮女生在裡面，可是她們都是男生眼中的"BYE～"，由於這個節點沒有混雜了其他類別，很Pure也很True，所以這個節點稱為Pure Leaf Node, 其Impurity的值為0。
只要我把目標變數還原回三個值："好感"，"好人"，"BYE～"，就更清楚男生的想法，外表跟聊得來也是同樣重要的，缺少其中一樣也只是男人心目中的"好人"，至於"BYE～"，大家都是聰明人的，我就不解釋了，嗯。
綜觀兩個結果，對於男生和女生，要對一個異性產生好感，外表跟聊得來這兩個因素，缺一也不可。其實結果也很直覺的，只是筆主也想看看會不會有什麽特別的發現，例如漂亮的女生或者帥哥會被直接Say Bye~。
另外，想知道女神或者男神們，你可以請你的好友跟你的女神男神們套話，如果他們心裡覺得你外表吸引又談得來，那麼你準備"得米"（成功）吧！當然，模型的預測能力不是百分之百，如果結果不是想像中的，也不要太灰心，因為你根本不知道女神男神們的真正想法，據筆者經驗，尤其是男生們，與其守株待兔倒不如主動出擊吧！
當談到那一個因素是比較重要的，很抱歉決策樹不能檢測因素對輸出的相對重要性，所以我是不知道的。如果徇眾要求的話，我倒是可以建其他的模型，來對比重要性。
========================================================================
當然，這個實驗的準確可信性也有一些因素限制，包括樣本數量並不多，而且沒有考慮研究對象的年齡，性格，經濟，家境，感情狀態等其他因素，會造成統計學上的取樣偏誤(Sampling Bias) ，所以分析結果不能應用在Population上, 即是所有香港人身上，換句話說就是不能以偏概全。
更重要的是，收集回來的回應可能並不是朋友們心裡想的一樣，始終這是比較敏感的問題嘛，如果是說謊是可以原諒的～這也因此難免造成誤差。
而且目標變數(Target Variable)，一般會集中"好人"這個類別，對於一個人來說，在自己的朋友圈中，"好人"的數目一定會多過"有好感的"或者"完全沒有好感"，因此會出現統計學上的bias，如果"好人"的數目太多的話，決策樹的預測能力會受到影響，還好類別的比例沒有出現太大的差距。
現實上，一個人會對一個異性有好感，不一定是外表跟談得來那麽的簡單，還有相處，經濟，環境，時間洗禮等不同因素，這個小實驗純粹試一下廣告貼文中的樹是否有根據而已，如果過份認真你就輸了～（所以我早已輸了X"D）
最後，如果你覺得我的文章或好看或是有用的話，不妨給我一個G+1吧！謝謝你，不是因為你的G+1，是因為你已經把我的文章讀完，感謝你的時間，尤其是幫我做填問卷的各位好朋友，沒有你們的幫忙，就沒有這篇文章！
Comments
Post a Comment