戀愛哲學的數學原理

簡述：如何選擇合適的對象進入一段關係，這是困擾眾多人的一大難題，知乎也有各色各樣的「如何選擇」、「能找到什麼樣的對象」、「為什麼我這樣的找不到對象的案例」，進一步地，進入一段關係之後，隨著關係的逐漸升溫，許多問題也應運而生，如何維護關係，進而一同在人生中邁向新的篇章，這正是本文想要探討的方法論

篩選模型的建立

暗中觀察了很多討論戀愛或者婚姻的問題

按照機器學習的難題來說，發現現在的問題是，找不到一個行之有效，或者大家能夠公認的方法和模型，不妨令：

符合這個模型且確實能做到婚姻幸福：TP

準確率(accuracy) = 預測對的/所有 = (TP+TN)/(TP+FN+FP+TN)

精確率(precision) = TP/(TP+FP)

召回率(recall) = TP/(TP+FN)

大家既想精確度高：模型說對的，有更大的比例是真的，能夠篩出來的都是對的人；又想召回率高：不會錯過本來就對的人。

這樣的ROC曲線幾乎是完美的，但怎麼可能呢。

嚴格標準，那麼勢必就有好的候選項被漏掉了

放鬆標準，那麼勢必就有差的候選項被放過了

又及，每個人都有心目中的一個模型，去套自己遇到的樣本，這個模型吧，大V也有各種大V的不同的標準，還有各種父母的標準。按照正常人的社交圈子，一個人最多也就能完整的了解一百個人的私人生活吧（能夠較為完整的了解各類隱情什麼什麼的），如果一個人有數十個特徵，從身高到長相，從家境到心性，去擬合這個模型，分分鐘過擬合了。。

不同的答主會闡述為什麼自己這個模型是靠譜的，以及周圍有怎麼樣的經驗。畢竟公說公有理婆說婆有理，但總是缺少一把恆定的標尺，去衡量他的模型有多正確

有的人可能被某一方面的答主熏陶過多，因而自己的模型也更有所偏向，但往往只有經過豐富的觀察和樣本的訓練，模型才能夠有所提升

數據集

我們沒有完整的收集過豐富特徵的人群樣本，所有的假設都沒有經過統計意義的假設檢驗，整天聽各種大V的「我的一個同學、我的一個朋友」這樣的數據顯然不利於建模過程，原因也同上。

機器學習領域對於這種定義模糊、樣本稀少的項目的做法完全可以照搬，此處應當發起一個數據眾籌項目啊，大家收集出大量的這種帶特徵的數據，以及最後的的目標值，數量級達到萬這個量級，就可以訓練出來一個真的有用的模型了，這樣訓練模型、驗證準確度，就都是套路了。

而且這個數據集還可以成為偉大的標定數據集，搞出不亞於MNIST的影響力不在話下。

有社會學的同學想要來個田野調查么，我可以贊助免費的模型建立與數據分析，給我掛個二作就行←_←

關係中的微調

如果能夠清晰地認識到，兩個人在一起應當有一個共同的目標函數：使得自己更加幸福，那麼幾乎一切問題都迎刃而解。

雖然兩個人的相處的過程中，除了作為個人的各種特徵，也幾乎有成千上萬種選擇可以做，比如選用什麼樣的相處方式，要不要買包包，婚房價值幾何，買個什麼樣的車

但這種問題也是深度學習遇到過的：一個模型總有幾十萬、上百萬、上千萬的權重，應該如何調整權重，使得最後我們模型的輸出可以達到那個目標，使得損失最小呢？

結論很簡單：每一個參數都會對最後的損失函數有或多或少的梯度，我們只要沿著減小損失，逼近目標函數的方向，去一點點的微調自己的行為就好啦

有人會問：如果短期內的調整看不到改變怎麼辦？別擔心，這是震蕩行為，會隨著下一批次時間的變化而改進的

有人還會問：如果自己明明朝著正確的方向去改進的，為什麼看起來情況反而還變差了呢？不用擔心，這也是正常的現象，你看上圖，不也是在小批量的樣本中少量上升，但總體穩步下降的嘛。。。

長期相處過程

簡單地考慮兩個理性個體，個體的行為將對兩者構成的系統產生或有利，或有害的後果。

博弈論中指出，個人理性與集體理性的衝突，各人追求利己行為而導致的最終結局是一個納什均衡，也就是對大家都不利的結局。

但有趣的是，一旦博弈是一個長期的、透明的博弈，有一個全局的利益，如同婚姻或者愛情，最好的行動策略是：以牙還牙（你一旦對我好，我就對你好，反之亦然），並且系統很快可以產生合作解，從而實現整體利益的提升。

這也意味著愛情之中的處理方法，對於對方的行動，應當追溯有限步的歷史（杜絕無窮無盡的翻舊帳），並告知自己的以牙還牙的策略，這樣使得兩個人同時進入完美的合作解

結論

了解混淆矩陣、統計檢驗、反向傳播、梯度下降和博弈論的知識，有助於我們在人與人之間建立良好的關係，並進一步發展，從而實現美好的人生，這真是美好人生的數學原理啊~

人生道理是真的，不過更多的人生道理暫時沒想出來XD