2016美国大选，来自人工智能和大数据的预测

近期最火的好莱坞大片，莫过于2016年的美国大选了，两位候选人秉承了一撕到底的精神，为广大的吃瓜群众提供了茶余饭后的最佳谈资。

不过，在这里，让我们暂且抛去那些绯闻八卦，来看看技术专家们利用人工智能和大数据，对未来的美国总统做出了哪些预测？

2016年6月，有“数据巫师”之称的美国统计学家纳特·西尔弗（NateSilver）在知名数据博客538（FiveThirtyEight）发表最新分析，预测希拉里·克林顿有八成可能击败唐纳德·特朗普，当选第45任美国总统。西尔弗在博客中提供了三种不同模型的预测，而该博客将持续跟踪美国选情，根据最新民意调查每天更新预测结果，直到11月8日大选。不过，根据其网站11月2日的最新数据显示，希拉里获胜的概率下降到了67%左右。

2016年10月中，微软大数据分析预测希拉里·克林顿极有可能赢得选举，概率 87%。微软使用搜索，社交网络聊天和其他相关数据智能预测即将到来的事件，包括今年的选举。根据在上周日的最后更新显示，希拉里·克林顿将有高达 87%的机会成为下一个美国总统，她的共和党对手唐纳德·特朗普，只有12%的机会。

2016年10月底，印度的一家人工智能企业根据其模型得出的结论是：共和党候选人特朗普将赢得本次的总统大选。要知道，这可是在10月底联邦调查局重启电邮门旧案之前！ 根据外电报导，印度这家公司推出的人工智能系统名为 MogIA，是通过在Google、Facebook、YouTube等网站上收集超过两千万份资料进行分析，最后的结果令人意外。

不仅仅是预测未来的总统，甚至是总统自己也会使用技术手段来为自己保驾护航。 坊间有传言，2012年，美国总统奥巴马仰仗其大数据分析团队，击败竞争对手成功连任。奥巴马团队的竞选总指挥吉姆·梅西纳表示，在整个竞选过程中，奥巴马的每次活动都是以数据作为支撑，而对多种来源的数据进行搜集、整理、分析和运用，确保了以数据为基础的决策。在每一次动员活动和公开辩论前，奥巴马团队都能根据受众的特点选取其最关心的议题，精心准备、博得支持。动员渠道和互动方式的选择也为目标选民量身定做，例如，奥巴马发现很大一部分目标选民在社交新闻网站上，于是决定在社交新闻网站上回答问题。

这时，你可能会好奇，机器怎么能预测总统大选的结果呢？这里简单为大家剖析一下。对于人工智能和机器学习的建模，其标准的步骤主要包括以下几个步骤：特征化工程、数据的获取，数据的清理、建模和最后的评估。

1. 数据的特征化：和专家的常见观点略有不同，笔者认为首先，也是最重要的步骤，不是获取数据，而是确定特征化工程（feature engineering）如何做。什么是特征化？举个简单的例子，机器是无法理解总统候选人是什么，我们需要将候选人的特征用数据表示出来，最终达到机器可以处理的目的。这些特征包括人类本身的特点，例如性别、身高、学历等等，还可以包括候选人与候选人之间的关系、候选人与选民之间的互动等等。这也是为什么很多预测模型都热衷于互联网选民的行为分析，因为这些数据不仅直接反应了选民和候选人直接的关系，而且本身都是数字化的，很容易获取并进行特征化处理。之所以个人觉得这步非常关键，首先是因为良好的特征，可以帮助我们更有效地刻画事物，提升机器学习的效果。此外，只有特征集合确定了，才能确定获取哪些数据。
2. 数据的获取和清洗：确定了刻画候选人的特征，接下来就需要通过各种渠道来获取相关的数据。不得不说，互联网是个好时代，很多信息都已经数据化，这大幅降低了这个步骤的工作量。但是，来自互联网的数据也意味着更多的噪音和错误，我们需要一些方法来清洗数据，使其变得可用，或将负面印象降到最低。
3. 建模：对于目前主流的机器学习算法，这里不再赘述。你可以尝试不同的模型，对比效果。例如，你可以将历届竞选成功的总统作为正例，而竞选失败的总统作为负例，训练一个分类模型。也可以使用两位总统候选人直接的特征差异，做一个线性回归的模型等等。总之，可以玩的还很多。
4. 评估：你可以通过历史数据，使用交叉验证（crossvalidation）的方式，确定模型的精准度。如果验证后的精度足够准确，就可以尝试对未来的总统大选进行结果上的预判。显然，最有效的评测还是和真实结果做比对。

相信根据这些方法，你也可以打造自己的人工智能预测。我本人也利用业余时间构建了一个简单的模型，其预测的结果是川普获胜的概率为57%，而大热门希拉里仅为43%。结果是否准确？很难说，因为最近爆出的料是越来越猛，估计机器已经很难学习了。。。。。。所以，最终的谜底，敬请期待美国当地时间2016年11月8日的年度大戏！

注：本文部分内容和观点摘自IBM研究院科学家黄申博士的最新力作《大数据架构商业之路：从业务需求到技术方案》

来源：微信公众号浩瀚星辰