如何用算法做人生决策

早段时间看了算法之美,一时兴起了用算法来做一个模型来决策在我们生活中怎么取得平衡,或者我们人生中如果不知道什么重要时,该怎么样去投入精力,也可以是你确立了一个目标,寻找目标相关的因素,然后这些因素之间又具有因果关联关系的时候,我们最终通过一个模型来分配你的精力,思考如何更有效达成你的目标,当然这个只是抛砖引玉,由于时间关系,这个模型很简单,如果你有大把时间的话,你完全可以做成更复杂的好几层的马尔科夫链甚至是深度学习,设定各种激活函数,最后预测你的人生未来的样子哈哈(后面如果有足够充分的时间,我也会考虑构建一个完整的数据模型来试一下~)

yuanshi.jpg
result.jpg

从这个模型的初始设定,最后推出的结论看出,如果我们拥有财富,将对我们生活很有帮助,而不错的事业地位、健康、家庭、还有工作才能都能有效帮我们去构建这样的一个良性的人生系统。(注意:这个模型的结论并不是通用的,非常依赖于你的模型初始化设定,也就是你根据对自己还有环境的认知,你可能发现社交对你的财富以及事业地位很重要,那么这个模型的结论又很不一样了,或者你的职业是一个生活体验师,那么f丰富的生活对你来说对事业还有成就感都很重要,那么你的初始设定也会有很多不一样)

具体代码见下面
import pandas as pd

filename = '../lifedecision.xlsx'
df_obj=pd.read_excel(filename,sheet_name='Sheet1')
matrix_dc = df_obj.values
matrix_dc = matrix_dc[:,:-1]
matrix_final=matrix_dc

matrix_final=0.25np.dot(matrix_dc,matrix_dc)+matrix_dc
matrix_final=matrix_final/np.max(matrix_final,axis=1)
print(np.around(matrix_final,decimals=1))
matrix_diag=np.diag(-1
np.diag(matrix_final))
matrix_final=matrix_diag+matrix_final
for i in range(matrix_final.shape[0]):
matrix_final[i][i]=0
print("##########################")
print(np.around(matrix_final,decimals=1))
total0=np.sum(matrix_dc, axis=1)
total1=np.sum(matrix_final, axis=1)

print((total1-total0)/total0)

delta=np.mean(abs((total1-total0)/total0))
delta
while delta>0.2:
total0=total1
#print(total0)
matrix_final=0.2np.dot(matrix_final,matrix_final)+matrix_final
matrix_final=matrix_final/np.max(matrix_final,axis=1)
matrix_diag=np.diag(-1
np.diag(matrix_final))
matrix_final=matrix_diag+matrix_final
total1=np.sum(matrix_final, axis=1)
print(total1)
delta=np.mean(abs((total1-total0)/total0))
print(delta)
print(np.around(matrix_final,decimals=1))
np.savetxt('test.csv',matrix_final,delimiter = ',')

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,743评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,296评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,285评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,485评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,581评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,821评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,960评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,719评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,186评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,516评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,650评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,936评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,757评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,991评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,370评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,527评论 2 349