择偶是人一生中最重要的决定之一。择偶属于一种多属性决策,人们在多属性决策中会采用多种不同的决策策略,而这些策略可以被划分为两大家族:(1)经典理性家族的策略认为,决策过程会采用补偿性的、基于选项的信息加工方式;(2)启发式家族的策略认为,决策过程会采用非补偿性的、基于属性的信息加工方式。眼动过程追踪数据可以反映决策过程中的认知加工过程,因此可以利用这些眼动指标来区分决策者采用的是什么决策策略。本研究首先要求被试进行自由择偶任务,然后再让被试分别完成两个强迫规则任务,一个强迫规则任务强制要求被试按照启发式策略(齐当别启策略)进行择偶,另一个强迫规则任务强制要求被试按照理性策略(加权相加的策略)进行择偶。参照机器学习的分析思想,首先对两个强迫规则任务的眼动数据进行训练,筛选出有效的分类器,然后将训练得到的分类器算法应用于自由决策任务中,以区分自由决策中人们采用的策略是什么。在训练阶段,使用Weka.3.6软件探索了4种较常用的分类算法的有效性,包括逻辑回归法、随机森林法、朴素贝叶斯法和KNN法,放入分类器的预测变量包含两组:(1)基于属性的眼跳、基于属性的眼跳、注视点平均注视时长;(2)SM值、注视点平均注视时长。10折的折叠交叉验证结果表明,逻辑回归的表现是最好的。将SM值和注视点平均时长放入逻辑回归混合模型中作为固定效应,得到的混合逻辑回归分类器对两种强迫规则任务的分类准确性达到了89.95%。然后利用该分类模型对自由决策中的试次进行分类,结果发现有30.9%的试次采用了补偿性的、基于选项的经典理性决策策略,而有69.1%的试次采用的是非补偿性的、基于属性的启发式决策策略。本研究创新性地使用机器学习的方法,利用眼动数据有效地区分了决策者在择偶时采用什么决策策略。同时,本研究还具有一定理论意义,本研究发现在择偶时人们更多地采用非补偿性的、基于属性的启发式决策策略,这一结果能够帮助我们更好地理解人们是如何进行择偶的。