细思恐极的星座分析 用大数据和机器学习揭开十二星座的面目.doc

细思恐极的星座分析（上）——用大数据和机器学习揭开十二星座的真实面目！作者wwqqer，2017年7月第一版2017年8月7日 首发于经管之家（原人大经济论坛），转载请注明出处！“为什么我的论文总发表不了，是不是我天生就不是做研究的料？”很多同学在写论文中遇到挫折，经常会发出这样的疑问。那么今天我就用星座，真实的数据和“高大上”的机器学习来帮大家分析一下原因。首先声明，我不是宿命论的支持者，也不懂占星术。本文也不是教大家如何成功，但利用本文的研究成果，可以帮助大家少走些弯路。不管大家之前对星座分析持何种态度，我希望大家耐心读完本文之后，能对星座与天赋有全新的认识。温馨提示：本文完全从科学的角度探讨人类的天赋，期间会借用一些星相学中的名词，但请不要将本文与占星术或星盘混为一谈。本文很长，分上下两部分，上半部分主要讨论太阳星座，下半部分将涉及月亮星座等。而且，有同学可能将天文学中的星座（Constellation）与星相学中的星座（Zodiac Sign）混淆，关于这个的科普请见本文下半部分的附录二。另外，本文讨论天赋与星座的关系，所使用的是客观的数据，不以个人的意志而转移，不会产生所谓“巴纳姆”效应，请个人不要对号入座，因为普通人努力都不够，还没资格谈天赋呢。最后，本文中的“天赋”其实用“本性”更合适些，因为它还包括了性格等因素。本文的研究方法很简单：聚天下之天才而观察之。把各行各业中的天才们收集起来，看看他们哪个星座人数多，哪个星座人数少。方法简单，人人都会。但操作细节很重要，这样做出来的结果才会有意思（本文研究方法的具体细节见【附录一】，在 三楼）。我们先来看一下有哪些天才被我当成了“小白鼠”。“表一”总结了本文所使用的数据。表一：数据总结表?本文共选择了27个行业，总共5700多个样本，其中华人约占350个，女性约占600个，南半球约占300个。如果没有特别注明，各行业数据的历史一般是从该奖项（如果有的话）设立开始，直到2017年为止。有些行业有严格的筛选过程，比如每年评选的诺贝尔奖，各种体育竞技项目的国际比赛等，我们就可以利用它们来确定样本。然而，另一些行业没有固定的筛选过程，尤其是艺术类。所以，我们只能靠“时间”来筛选。具体来说，就是用有哪些信誉好的足球投注网站引擎有哪些信誉好的足球投注网站“历史上著名XXX”（XXX为职业名，比如，建筑师，作家等），来挑选举世公认的行业领军人物。本文使用的数据的总时间跨度大约是最近300年左右。既然介绍了数据，那么我们就来看一下使用所有的数据统计出的星座分布（图一）（注：由于每个星座内的天数稍有不同，我用得到的每个星座的人数除以该星座的天数，从而算出星座分布的日均数，以排除天数不同带来的影响。本文之后所有的计算和结论都建立在诸如此类的日均数上）。图一的四种颜色分别代表土（黄色），水（蓝色），火（红色），风（灰色）四大星象。从图一中，我们看到射手人数最少，而与之相邻的摩羯座人数最多，两者的平均数接近全部星座的平均数15.5。另外，两头的白羊座和双鱼座人数也不少。除此之外，就很难看出有其它什么规律了。如果本文的星座分析是这样的话，就太”图样图森破“了。所以，让我们接着往下看。图一：星座人数总分布图?关于天赋的星座分析我把判断显著差别的计分法则（见文末【附录一】）运用到“表一”的27个行业上，我们就得到了“表二”（简单理解，正2分表示“人数非常多”，正1分表示“人数比较多”，负1分表示“人数比较少”，负2分表示“人数非常少”，0分则表示“人数不多不少，处于平均水平”）。请记住“表二”，因为它是本文上半部分最重要的成果，它记录了星座与人类天赋的关系！表二：十二星座行业得分表?我在表的上方标注了每个行业可能需要的＂（主要）能力＂（以我这个外行的角度），有些能力是几个行业共享的。另外，“表二”是仅仅基于北半球的样本所得结果（至于为什么分南北半球，我将在本文下半部分作详细解释）。行文至此，星座与天赋之间的关系就在“表二”建立起来了。是不是表中出现2分的情况比你想的要多得多？有同学可能会问： “表中某星座在某行业得了2分，说明这个星座在这个行业的领军人物的人数要超过其他星座，会不会是因为这个星座从事这行业的人本来就多呢？” 要回答这个问题，就得调查这个行业的所有从业人员的星座了，可惜相关数据很难获得。另外，如果从事这行业的某星座人数很多，这本身就是一个很有意思的现象。与本文的研究并不矛盾。言归正传，鉴于此表的信息量很大，我们可以先计算各个星座的大类（科研，艺术，体育）平均得分，这样看起来可以更直观一些。如下表所示，在科研方面，处女座和狮子座这两个相邻星座分别占据着科研的头名和末名。在艺术方面，白羊座是当仁不让的第一，而双子座，处女座和摩羯座则并列最后。在体育方面，摩羯座表现突出，而