女友的心情也像股市一样变幻莫测。闺蜜的情绪一直没有受到学者们的太多关注。最近Reddit上的一篇帖子走红，一篇论文发表在占星大数据生态学杂志（JournalofAstrologicalBigDataEcology）上，主要是用时间序列模型研究闺蜜的情绪变化。该文章由蔓越莓柠檬大学应用心理机器学习系的ChadBroman博士撰写。https://jabde.com/2021/05/23/girlfriends-mood-time-series-analysis/《占星大数据生态学杂志》是一个期刊博客，专门用于人们“嘲笑”学术文章、STEM新闻或点击诱饵的地方。该杂志的创始人说，如果你看到我们的论文，你一定会嘲笑我们的“科学”，但永远不要相信。请欣赏每篇文章，我们的目标是在写作中加入尽可能多的幽默。看到这篇论文后，Reddit网友纷纷表示这篇论文给了A+的分数。他的创意、努力和执行力真的很厉害！有网友对论文的后续进行了预测：作者女友不同意分析结果，于是作者编辑了论文标题，修改后的标题为《前女友的情绪波动时序分析》。也有网友对论文的分析结果有意见，认为LSTM模型是垃圾。再来看看论文中图4的风格，逐渐离谱。也有网友认为，你观察到的女友情绪未必是真实的，所以可能是假数据。文章的Referencelist也是一大特色，包括为什么情人节很重要，如何在长期关系中生存，甚至玩赛博朋克2077的最佳时间。那么这篇4页的论文到底写了什么？假论文的摘要写道，尽管最近在积极倾听、约会之夜和长时间枕边谈话方面取得了进展，但预测蒂芙尼（作者的女朋友）的情绪变得越来越困难。随着越来越多的Playstation5独占游戏，在购买新游戏之前确定蒂芙尼的心情变得越来越重要，并在一周内每天晚上与男孩们在线组队。本文试图通过比较简单的移动平均线、六倍指数平滑甚至过于复杂的机器学习模型来确定我女朋友情绪波动急剧增加的最佳预测模型。尽管最初的时间序列分析显示出非平稳性和高度季节性的情绪波动，但更简单的模型在马特离婚后提供了风险较小的预测。有味道！然后在Background中，详细介绍了他们相识的过程，以及他们的矛盾。蒂芙尼和我十年前在蔓越莓柠檬大学相识，当时我还是理论体育专业的二年级本科生。他们在量子粒子躲避球比赛中垫底，并开始约会，直到大三的秋季学期变得太冷而无法出门。那也是我最初开始时间序列分析的时候。她和我现在是住在我们自己家里的两位年轻专业人士，我们资助了我的博士学位。为期三年的鳄梨吐司预付定金计划。蒂芙尼现在是一名免费增值游戏营销顾问，但她不想让我称之为免费增值。她是迪斯尼的忠实粉丝，比起山区更喜欢海滩度假，并且直到上一季结束前一直沉迷于权力的游戏。当她不工作时，你会发现她没完没了地浏览Reddit上的表情包、Facebook或Instagram上的照片，并在推特上发布她最讨厌的所有名人。并介绍了时序分析的目的。自从她最好的朋友开始生孩子并且她被提升到一个她没有接受过培训的压力很大的公司职位后，围绕蒂芙尼的情绪高潮和低谷进行规划变得更加困难。这不仅仅是一个问题，而是一个需要立即修复的问题！最重要的是，《最终幻想7重制版》也即将推出！（论文发表于2021年5月）论文第二章介绍了数据收集和清洗的过程。蒂芙尼情绪波动的严重程度按类别记录，带有主观情绪的时间戳，以及情绪波动花费作者钱包多少钱。时间序列分析和建模仅占开发最佳TMFM工作的15%。在本文对蒂芙尼的历史情绪数据进行分析和预测之前，必须对其进行收集和清洗。当然，她的情绪可能是季节性的，并在即兴的网上购物中表现出来，这种购物与基于假期和特殊场合的似乎季节性的情绪无关。但这并不意味着这些特殊的季节性影响和24小时新闻周期不会对蒂芙尼的情绪波动产生影响。由于季节-假期-情绪因果关系的问题，建立了情绪度量等效度量（MMEM）来获取季节数据以准确评估TiffanyMoodVariability（TMV），公式如下，其中SACM是季节性自相关矩阵是根据平均购买量和社交媒体趋势分析计算得出的，并根据她的工作周负荷进行了标准化。然后通过确保矩阵对称性将SACM转换为TMV。适用于蒂芙尼情绪波动数据的最简单模型是7天移动平均线。虽然这种极其基本的方法可能不是实现更高维度预测器的最佳方法，但与更复杂的替代方法相比，它产生的预测噪声更少。虽然她的数据在24小时内似乎是自相关的，但非直观预测的最有效平均窗口已优化为7天移动平均线，以防她对星期一感觉不佳。在极度动荡的日子里情况并非如此，在2018年快艇和怀孕恐慌期间，蒂芙尼的情绪是在每小时移动平均模型上实施的。当然，变幻莫测的女友也要用变幻莫测的模特！没有什么比蒂芙尼的情绪波动更像是一个无法解释的机器学习黑匣子了。该角色使用长短期记忆(LSTM)结构。作者说，即使在经历了十年稳定的关系和许多起伏之后，人们仍然对这位“了不起的女人”有很多困惑。尽管经过多年的约会和广泛的时间序列分析，我认为我对她非常了解，但当《最终幻想7》在不到三周的时间里问世时，黑盒机器学习算法方法可能是最好的方法。当然，最后是激动人心的实验结果部分。如上图所说，实验结果图的风格很奇怪，这也说明模型再好，也无法预知女友的感情轨迹。7日移动平均线最能预测蒂芙尼的总体情绪趋势，但不能预测其他模型预测的低保真度变化。六元组指数平滑函数可实现更高保真度的预测，但会遗漏许多局部趋势。虽然ARMA能够捕捉更大的趋势和更多的本地趋势，但它会产生危险的不准确预测，如果采取行动，至少会开始一两个晚上的讨论，讨论关系的发展方向。.在文章的结语部分，笔者还是对自己心心念念的游戏充满了期待。距离我在PS5上下载《最终幻想7》重制版还有18天，算法正在积极监控蒂芙尼的购买、情绪波动以及关于她的下属的工作谈话，这些下属不知道自己在做什么。一旦所有预测模型（LSTM除外）都达成一致，我相信我可以在6月10日至7月4日假期期间安排足够的视频游戏之夜在她位于肯塔基州路易斯维尔的父母家中玩游戏，这样我的朋友们就不会叫我鞭打。关于未来的工作，作者表示，通过正确的建模和一些常识性风险管理，这些技术可用于确定从Jeffrey购买快艇的最佳时机。我知道匹兹堡周围没有很多快艇的好去处，但这更多的是对记忆的投资，有了足够准确的预测模型，就可以以非对抗的方式与蒂芙尼重新解决。不过好像少了点什么，这篇论文没有“感谢”女朋友！（有趣的）
