一個(gè)小游戲

讓我們玩一個(gè)小游戲。我會(huì)提供一條推特，你來猜猜作者是誰？

別向下滾動(dòng)太多，以免不小心看到答案！現(xiàn)在是第一條；誰寫的，川普還是他的一個(gè)助手？

這條比較簡(jiǎn)單。這條推文使用了單詞“via”，明顯指示了這是助手所發(fā)。它包含一個(gè)鏈接，另一個(gè)助手發(fā)推的跡象。它是在一天中午發(fā)布的，它很正式，不帶感情：一切都指向助手。

是的，你猜對(duì)了，這條推是助手所發(fā)！好，再來一條：

這是川普所發(fā)，還是助手所發(fā)？同樣，讓我們綜合一切跡象。這一條推文包含了更多感情，通常這是川普的標(biāo)記。推文里有一個(gè)感嘆號(hào)：這是川普的調(diào)調(diào)。記得換算時(shí)間，時(shí)間是6：30pm，工作日差不多結(jié)束了。所以，我們可以自信地猜測(cè)這條推文的作者是……

川普！是的，又猜對(duì)了！

關(guān)于弗林的推文

下面是一條重磅推文，整個(gè)項(xiàng)目就是因這條推文而起：

這條推文發(fā)布于2017年3月26日之后，如果你沒忘記的話，這意味著這條推文沒有真正發(fā)布者的標(biāo)簽。只能寄希望于我的模型了。事實(shí)上，這條推文的作者不怎么好猜。它包含“l(fā)ied”、“guilty”、“shame”、“hide”這樣飽含感情的單詞——這可能顯示川普是作者。另一方面，它又比較正式；語法很規(guī)整，同時(shí)包含一些超過平均長(zhǎng)度的單詞：這些又是助手代筆的跡象。它是在中午時(shí)刻發(fā)布的，又一個(gè)助手代筆的暗示。但它又很個(gè)人化，暗示是川普。那么我們的模型怎么看？

rf ［ 0．23884372  0．76115628］ab ［ 0．49269671  0．50730329］gb ［ 0．1271846  0．8728154］knn ［ 0．71428571  0．28571429］nb ［ 0．11928973  0．88071027］gnb ［ 0．9265792  0．0734208］lr ［ 0．35540594  0．64459406］rf ［1］ab ［1］gb ［1］knn ［0］nb ［1］gnb ［0］svc ［1］svm ［0］lr ［1］（［1］， ［ 0．15384615，  0．84615385］）

“rf”代表隨機(jī)森林，它預(yù)測(cè)1，也就是川普，概率為76％（前7行顯示概率，第一項(xiàng)為助手，第二項(xiàng)為川普；接下來9行顯示預(yù)測(cè)：0表示助手，1表示川普）�！癮b”是AdaBoost，同樣預(yù)測(cè)川普，但是概率是51％對(duì)49％——一點(diǎn)也不自信。梯度提升模型更自信，87％的可能是川普。不過KNN并不贊同：71％的可能是助手。多項(xiàng)樸素貝葉斯預(yù)測(cè)川普，高斯樸素貝葉斯卻預(yù)測(cè)助手。兩種支持向量機(jī)器模型的意見也不一樣：SVC預(yù)測(cè)川普，SVM預(yù)測(cè)助手（由于這兩個(gè)模型構(gòu)建的方式，它們無法輸出概率估計(jì)，這是上半部分不包括它們的原因）。邏輯回歸比較中庸，64％的可能是川普，36％的可能是助手。也就是說，6個(gè)模型預(yù)測(cè)川普，3個(gè)模型預(yù)測(cè)助手。

事實(shí)上，在花費(fèi)數(shù)周事件閱讀和分析數(shù)以千計(jì)的川普推文之后，我認(rèn)為這條推文是一個(gè)協(xié)作撰寫的最佳樣本。從主題和情感的角度分析，它是100％的川普式推文。但從風(fēng)格和語法的角度分析，它看起來又像是來自一個(gè)助手。在我看來，川普大概和多德一起起草了這條推文。川普告訴多德他想說什么，他想怎么說，然后多德實(shí)際編寫了推文。這是我的最佳猜測(cè)。

這顯示了這些模型并不是完美的，有不少不一致的地方；同時(shí)推文包含的信息對(duì)訓(xùn)練機(jī)器學(xué)習(xí)模型而言太少了。我最終的集成模型，在測(cè)試集上達(dá)到99％精確度的決策樹，給出的最終預(yù)測(cè)是川普，概率為85％（上面的代碼中的最后一行）。所以這就是我們最終的答案：川普。不是約翰·多德，川普的律師。所以他們聲稱是多德而不是川普寫了那條推文，我們只能設(shè)想這是：