她用算法买到了房子！居然还有这种操作？！

我最近买了个房子。加州湾区的房市自然不能跟国内京沪相比，但抢房也是很凶狠的。每一套房子在市场上平均时间大概 4-5 天，可以收到 20 几个 offer 竞价，一般价高者得。

经常看到一个房子，还在犹豫是不是合适：会不会有其他地板更好一点的？会不会有多一个卫生间的？会不会有离地铁站更近的？会不会有更便宜的？（毕竟是百万刀的决定啊）和马克还没商量完，房子就已经没了。

《Algorithms to live by》一书里将这种情况称为“秘书问题”：想象你在面试一秘书，你希望能在应聘者里找到最好的人，但你并不知道怎样的人会来应聘，所以你一个个人轮流面试。你可以随时发offer，但你如果在面试后没有马上给对方offer，他就从此离开去其他地方工作了。你怎么才能知道眼前这个应聘者是最好的呢？

万能的计算机算法给出了答案：37% look then leap。给自己设定一个招聘总时间，前 37% 的时间里只面试，收集数据不做决定，之后只要碰到一个比之前所有应聘者都优秀的人，马上下 offer，你能得到最好应聘者的机率也是 37%。这是你能获得的最好效果。

不要觉得 37% 成功率是个很低的数字。这个算法可适用于任何大样本。如果你有100 个应聘者，你能获得最好雇员的机率其实只有 1%；而如果你有 100 万应聘者，你的机率只剩百万分之一。37% 已经是一个非常好的数字了。为了达到这个成功率，你也需要付出之前 37% 的数据搜索时间精力。

书读到这里，当时正在出差的我马上打电话给正在太浩湖开心滑雪的马克，让他迅速回家看房子。我们只有 6 个月时间买房，假设市场上的房子数量均匀每周放出（虽然并不完全如此但也差不太多），37% 的时间是两个月多一点。当时已经过去一个月了，拖延症的马克还乐天派地说“我们还有时间”，但被太太吼了一通，又科普了一下“37% 算法”、他还是回家乖乖看房了。

结果是我们建了个数据库，其中有我们两个多月里看过的 30 几个房子，大到户型地址，小到我喜不喜欢附带的洗衣机牌子，事无巨细都整理了出来。之后需要开始做决定的时候，第三周，我们就竞价得了一个心仪的房子。

我下周要搬家了。我决定再采取同样算法，建个数据库来买沙发。