妈妈再也不担心我的SQL优化了
|
不难发现，参加快速相亲的人群主要是22～28岁的群体。这点与我们的预期有些不太符合，因为主流人群并不是大龄青年。接下来的问题就是，年龄是否会影响相亲的成功率呢?和性别相比，哪个对于成功率的影响更大?这两个问题在本文就先埋下一个伏笔，不一一探索了，希望阅读文章的你能够自己探索。
但是这里可以给出一个非常好用的探索相关性的方式叫做数据相关性分析。通过阅读数据集的描述，我已经为大家选择好了一些合适的特征去进行相关性分析。这里合适的定义是指：1)数据为数字类型，而不是字符串等无法量化的值;2)数据的缺失比率较低。 这样，你就掌握了DSW最基本的创建Notebook，便携代码和运行代码的方式。 四 快速进阶：PAI-DSW案例实战指南 本着理论与实践相结合的方针，本部分将手把手教你从实战场景参与进来，实现从入门到快速进阶。 案例：大数据算命系列之用机器学习评估你的相亲战斗力 "用姓名测试爱情，80%准确率!俗话说，名如其人，缘分就是人生的后半生，为了寻找真缘分的大有人在，因此也就有了姓名缘分测试。您现在是不是也正在心动犹豫，也想要一个属于自己的名字配对缘分测试了呢?那就请您赶紧行动吧!" 以上这段话，你一定已经在很多个微信公众号、电视节目，甚至奇奇怪怪的小网站上看到过。 你一定很好奇，这个缘分测试背后到底是不是有科学依据支撑的。 今天，虽然不能直接帮你测试你和某个特定的人直接的缘分，但是我们可以借助哥伦比亚大学多年研究相亲找对象的心血，通过几个简单的特征来评估你的相亲战斗力指数。 具体模型的测试页面在这里[1]。在正式开始实验之前，我们需要寻找一个简单好用方便上手的工具，这里推荐阿里云的DSW探索者版[2]，它对于个人开发者是免费的，同时还有免费的GPU资源可以使用，同时实验的数据还会免费保存30天，不需要购买，只要登陆就可以使用。今天我们就会通过这个工具来探索人性的奥秘，走进两性关系的神秘空间嘿嘿嘿。 整个实验的数据收集于一个线下快速相亲的实验[3]。在这个实验中，参与者被要求参加多轮与异性进行的快速相亲，每轮相亲持续4分钟，在4分钟结束后，参与者双方会被询问是否愿意与他们的对象再见面。只有当双方都回答了“是”的时候，这次相亲才算是配对成功。 同时，参与者也会被要求通过以量化的方式从外观吸引力，真诚度，智商，风趣程度，事业心，兴趣爱好这六个方向来评估他们的相亲对象。 这个数据集同时也包含了很多参加快速相亲的参与者的其他相关信息，比如地理位置，喜好，对于理想对象的偏好，收入水平，职业以及教育背景等等。关于整个数据集的具体特征描述可以参考相关文件[4]。 本次我们实验的目的主要是为了找出，当一个人在参加快速相亲时，到底会有多高的几率能够遇到自己心动的人并成功牵手。
在我们建模分析探索人性的秘密之前，让我们先读入数据，来看看我们的数据集长什么样。 阿里云机器学习PAI-DSW 作为在AI战线上辛勤耕耘的算法工作者，你是否也常常遇到下面的情形：
同时，在深度学习上，PAI-DSW内置了Tensorboard，可以通过简单的拖拽的方式来帮助深度学习的开发者更好的完成深度学习场景下神经网络的建模。下图展示了DSW在机器学习平台PAI产品架构中的位置： （编辑：鹰潭站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
