博士是這樣買房的，下一步我準(zhǔn)備自建數(shù)據(jù)庫(kù)買個(gè)沙發(fā)
看到一個(gè)很有意思的朋友，近期準(zhǔn)備入手一套房子，索性我就把她稱為【博士買房】吧。 過(guò)程是這樣的，很短，很有意思：
加州灣區(qū)的房市自然不能跟國(guó)內(nèi)京滬相比，但搶房也是很兇狠的。每一套房子在市場(chǎng)上平均時(shí)間大概4-5天，可以收到20幾個(gè)offer競(jìng)價(jià)，一般價(jià)高者得。經(jīng)常看到一個(gè)房子，還在猶豫是不是合適：會(huì)不會(huì)有其他地板更好一點(diǎn)的？會(huì)不會(huì)有多一個(gè)衛(wèi)生間的？會(huì)不會(huì)有離地鐵站更近的？會(huì)不會(huì)有更便宜的？（畢竟是百萬(wàn)刀的決定啊[抓狂]）和馬克還沒(méi)商量完，房子就已經(jīng)沒(méi)了。
《Algorithms to live by》一書里將這種情況稱為“秘書問(wèn)題”：想象你在面試一秘書，你希望能在應(yīng)聘者里找到最好的人，但你并不知道怎樣的人會(huì)來(lái)應(yīng)聘，所以你一個(gè)個(gè)人輪流面試。你可以隨時(shí)發(fā)offer，但你如果在面試后沒(méi)有馬上給對(duì)方offer，他就從此離開去其他地方工作了。你怎么才能知道眼前這個(gè)應(yīng)聘者是最好的呢？
萬(wàn)能的計(jì)算機(jī)算法給出了答案：37% look then leap。給自己設(shè)定一個(gè)招聘總時(shí)間，前37%的時(shí)間里只面試，收集數(shù)據(jù)不做決定，之后只要碰到一個(gè)比之前所有應(yīng)聘者都優(yōu)秀的人，馬上下offer，你能得到最好應(yīng)聘者的機(jī)率也是37%。這是你能獲得的最好效果。
不要覺(jué)得37%成功率是個(gè)很低的數(shù)字。這個(gè)算法可適用于任何大樣本。如果你有100個(gè)應(yīng)聘者，你能獲得最好雇員的機(jī)率其實(shí)只有1%；而如果你有100萬(wàn)應(yīng)聘者，你的機(jī)率只剩百萬(wàn)分之一。37%已經(jīng)是一個(gè)非常好的數(shù)字了。為了達(dá)到這個(gè)成功率，你也需要付出之前37%的數(shù)據(jù)搜索時(shí)間精力。
書讀到這里，當(dāng)時(shí)正在出差的我馬上打電話給正在太浩湖開心滑雪的馬克，讓他迅速回家看房子。我們只有6個(gè)月時(shí)間買房，假設(shè)市場(chǎng)上的房子數(shù)量均勻每周放出（雖然并不完全如此但也差不太多），37%的時(shí)間是兩個(gè)月多一點(diǎn)。當(dāng)時(shí)已經(jīng)過(guò)去一個(gè)月了，拖延癥的馬克還樂(lè)天派地說(shuō)“我們還有時(shí)間”，但被太太吼了一通，又科普了一下“37%算法”、他還是回家乖乖看房了。
結(jié)果她們建了個(gè)數(shù)據(jù)庫(kù)，其中有我們兩個(gè)多月里看過(guò)的30幾個(gè)房子，大到戶型地址，小到我喜不喜歡附帶的洗衣機(jī)牌子，事無(wú)巨細(xì)都整理了出來(lái)。之后需要開始做決定的時(shí)候，第三周，我們就競(jìng)價(jià)得了一個(gè)心儀的房子。
以上是故事的全部過(guò)程。這是一個(gè)真實(shí)的故事。
我的第一反應(yīng)是:哈?美帝人民賣房子居然是連洗衣機(jī)一起賣的???
但問(wèn)題是，如果后面63％沒(méi)有一個(gè)覺(jué)得比前面強(qiáng)的，怎么辦？索性就挑最后一個(gè)吧。
照此，在國(guó)內(nèi)，我家也試圖買個(gè)房來(lái)著，先觀察了幾個(gè)月，你猜怎么著？果然漲到徹底買不起了.....
37%原則適用于任何時(shí)間尺度。怕漲價(jià)，可以只給自己一周時(shí)間，花兩天密集型看房，然后開始做決定，并祈禱不要有新政在這一周出來(lái)。。
突然也覺(jué)得適用于找另一半，哈哈，從小學(xué)初中開始慢慢談，到本科或研究生階段只要遇到一個(gè)比之前都好的就可以果斷鎖定了，37%的概率鎖定了你能找到的最好的另一半。
從前有一個(gè)聰明優(yōu)秀的數(shù)學(xué)博士生在尋找女朋友，他發(fā)現(xiàn)這其實(shí)是一個(gè)“秘書問(wèn)題”。于是他開始計(jì)算：假設(shè)從18歲到40歲都是找對(duì)象時(shí)間，37%時(shí)間點(diǎn)是26.1歲，而他正好在這個(gè)年齡點(diǎn)！他于是找到一位無(wú)論各方面他都覺(jué)得超出以往對(duì)象的姑娘，毫不猶豫地向她求婚。然而，他被拒絕了。
數(shù)學(xué)博士為愛(ài)悲傷之后，開始重新研究“秘書算法”。他發(fā)現(xiàn)，女朋友比買東西復(fù)雜多了，原算法有一個(gè)巨大假設(shè)：你發(fā)出的offer肯定會(huì)被對(duì)方接受。而即使在我們加州灣區(qū)，買房一般也是價(jià)高者得，還有中介幫忙估價(jià)，只要志在必得，總能做出讓對(duì)方接受的選擇，模型差別并不大。但是女孩子啊，君心深似海。
數(shù)學(xué)博士于是修正了算法，他發(fā)現(xiàn)如果修正下前提，把對(duì)方接受概率改為50%，那么你只有25%時(shí)間收集數(shù)據(jù)，而成功率也從37%降為25%。然而最不幸的是：我們這位博士已經(jīng)超越25%數(shù)據(jù)收集時(shí)間了。
（悲傷逆流成河，請(qǐng)自由地@ 任何你認(rèn)識(shí)的數(shù)學(xué)單身狗。）
且讓我們看看著名天文學(xué)家開普勒如何處理這個(gè)找對(duì)象問(wèn)題。1611年，開普勒妻子去世，他開始認(rèn)真尋找再婚對(duì)象。在熱心紅娘們的幫助下，他最終確立了11個(gè)姑娘，逐一開始約會(huì)。但他約會(huì)到第四位姑娘時(shí)，他感覺(jué)找對(duì)人了，“我其實(shí)可以停止尋找了。”
然而開普勒是一個(gè)騎驢找馬的渣男。他并沒(méi)有停止尋找，而是吊著四姑娘，繼續(xù)按順序與剩下7個(gè)姑娘逐一約會(huì)。他最終發(fā)現(xiàn)第五個(gè)姑娘更好，“我喜歡她的愛(ài)、忠誠(chéng)、家世、勤勞，和她給繼子們的愛(ài)。”他拋棄其他姑娘，向五姑娘求婚，余生婚姻幸福美滿。
開普勒在“秘書問(wèn)題”中，超越了算法限制，頂著渣男的名聲，采用了“不拋棄不放棄”的策略。在姑娘們依然愿意等待的算法前提下，閱盡千帆了解了所有數(shù)據(jù)再做選擇，這當(dāng)然是一種最佳策略。但請(qǐng)問(wèn)數(shù)學(xué)男博士們，你們能做到讓姑娘一直等著你嗎？（女生們請(qǐng)擦亮雙眼認(rèn)清渣男！）
但如果在選擇時(shí)必須勇往直前立刻放棄，但千紅過(guò)后難忘舊情，而女生有50%機(jī)率不計(jì)前嫌重修舊好，應(yīng)該什么時(shí)候開始做選擇呢？萬(wàn)能的算法告訴我們：你可以花61%的時(shí)間搜集數(shù)據(jù)，然后在前61%的最佳選擇與之后每次碰到的最佳選擇中選最優(yōu)選，你得到最佳伴侶的機(jī)率--也是61%。（此方法同樣用于女生，大齡被逼婚的姑娘們不要著急！不要放棄尋找真愛(ài)！）
但我們的數(shù)學(xué)博士最后也有好結(jié)果。在求婚被拒后，他繼續(xù)不停尋找，直到8年后他找到了一位德國(guó)姑娘接受了求婚。這位博士現(xiàn)在是卡內(nèi)基梅隆大學(xué)的教授，《Algorithms to live by》忠實(shí)地記錄了他的戀愛(ài)故事，推薦給各位單身狗朋友閱讀。
評(píng)論
評(píng)論
推薦評(píng)論
暫無(wú)評(píng)論哦，快來(lái)評(píng)論一下吧！
全部評(píng)論（0條）