استخدام علم البيانات لتحسين نوم طفلي التوائم

تم نشر ما يلي من واسطة ل المنتدى الأبوي، مجتمع من الآباء والمؤثرين الذين لديهم رؤى حول العمل والأسرة والحياة. إذا كنت ترغب في الانضمام إلى المنتدى ، راسلنا على الخط [email protected].

حاولت قبل شهر اختبار A / B لمعرفة كيف يمكن أن تؤدي "العلاجات" المختلفة أو معلمات الإدخال إلى نوم أطول لتوائمنا - وبالطبع نحن بالوكالة. من خلال ذلك ، وجدت أن أنماط النوم كانت متقطعة إلى حد ما ولم أجد الكثير من الارتباط الوثيق بزيادة النوم. مع مرور الوقت ، بدأوا بشكل كبير بمفردهم بشكل طبيعي. ومع ذلك ، فقد وصلوا الآن إلى 4 أشهر ، وقد بدأوا مرحلة تراجع النوم الشائعة على ما يبدو ولكن نادرًا ما يتم مناقشتها. وجدت نفسي مرة أخرى في حاجة ماسة لمزيد من النوم. هل كنت ، كما علق أحدهم على المنشور السابق ، "أتطلع للعثور على أي شيء بغض النظر عن مدى استيائي لمزيد من النوم؟" نعم فعلا. نعم كنت. ومن ثم ، لجأت إلى أسلوب آخر في علوم الكمبيوتر ، ألا وهو التعلم الآلي.

التعلم الآلي هو أحد مجالات علوم الكمبيوتر التي توفر طرقًا "لتعليم" أجهزة الكمبيوتر أو البرامج دون إعطائها تعليمات منفصلة. في البرمجة العادية ، سأعطي الكمبيوتر سلسلة من الأوامر ليتم تنفيذها ، مع الأخذ في الاعتبار المنطق اتخاذ قرارات بشأن ما يجب القيام به بناءً على المدخلات ، لكن البرنامج لا يمكن أبدًا الخروج من هذه المعرفة جيدًا القضبان. على الرغم من أن هذا الوصف يبدو أقرب إلى

المنهي مما يبدو عليه في الواقع في الواقع ، يتيح التعلم الآلي للفرد أخذ مجموعة من بيانات "التعلم" واستخدامها كأساس لعمل التنبؤات. على الرغم من أنها أصبحت شائعة بشكل متزايد عبر صناعة التكنولوجيا ، فقد تم استخدامها في الغالب للنظر في الشراء السلوك والتوصيات ، والذكاء الاصطناعي ، وربما الأكثر إثارة للاهتمام ، لتصنيف وتحديد الصور والفن - إلى حد كبير عن طريق متصفح الجوجل. لم أتمكن من العثور على العديد من الأمثلة لتطبيقه على الأبوة والأمومة.

بفضل الخلفية المحاسبية لزوجتي وشخصياتنا من النوع أ ، لدينا سجلات مفصلة عن سلوكيات التغذية والنوم للأولاد. تذكر جدول البيانات هذا؟

باستخدام هذه البيانات ، شرعت في العثور على التركيبة المثلى لمعلمات الإدخال ، وفي هذه الحالة نظرت إلى إجمالي الطعام المستهلك في اليوم ، ووقت آخر رضعة ، وكمية الرضاعة الأخيرة ، لتحديد ما سينتج عنه أطول فترة نوم ليلاً أولاد. وأفضل ما في الأمر أنني قد أترك الكمبيوتر يقوم بالعمل الشاق. بالإضافة إلى ذلك ، كان لدينا ضعف البيانات حول هذه الأنماط لأننا بالطبع ليس لدينا ولدان واحد.

تتوفر العديد من المكتبات الرائعة للتعلم الآلي عبر لغات البرمجة. على الرغم من أنني أستخدم Java و Javascript بشكل أساسي للعمل ، فقد اخترت sklearn لمكتبة Python ، مثلي الإلمام ببايثون ويبدو أن هذا هو التطبيق المثالي للبرمجة النصية المرنة لغة. هناك العديد من البرامج التعليمية الرائعة لهذه المكتبة والتوثيق الجيد أيضًا.

يمكنك العثور على الرمز الخاص بي على جيثب إن كنت مهتما.

بتصدير البيانات التي جمعناها من جدول البيانات ، قمت باستخراج نقاط البيانات في الشهر الماضي فقط. بسبب النمو السريع والتغيرات التنموية التي يمر بها الأطفال ، شعرت أن بيانات شهر واحد - مضروبة في طفلين - كانت توازنًا جيدًا للحداثة وبيانات كافية للتنبؤ.

جمعها معًا وترميزها

حصلت أيضًا على بعض الإحصائيات التي كانت مثيرة للاهتمام بما في ذلك أننا في المتوسط ​​أطعمنا الأولاد 27.5 أونصة لكل منهما نهارًا ، ضعهم في الفراش غالبًا في الساعة 7:25 ، وأطعمهم 5.22 أونصة في وقت النوم ، وكانوا ينامون 9 ساعات بعد ذلك. معدل. كما اتضح أن الأولاد ينامون أكثر من 10 ساعات 75٪ من الوقت. ليس سيئا جدا. لكنني علمت أنه مع المزيد من العمل يمكننا تحسين هذا.

باستخدام هذه البيانات ، تمكنت من رسم كل معلمة مقابل وقت السكون.

يمكنك أن ترى أنه لا يوجد بالفعل ارتباط قوي ، على الأقل خطي بين معظم هؤلاء. الأقرب هو العلاقة الخطية إلى حد ما - مع الكثير من القيم المتطرفة - بين إجمالي الطعام وساعات النوم. يبدو أن المزيد من الطعام يؤدي إلى قلة النوم.

هناك أنواع مختلفة من خوارزميات التعلم الآلي. يتم تصنيف هذه إلى حد كبير إلى أنواع خطية وغير خطية. أخذت البيانات وقمت بتشغيلها من خلال 6 خوارزميات مستخدمة على نطاق واسع لمعرفة مدى دقة كل منها. ها هي النتائج.

أو بشكل أكثر تصويرية

هنا يمكنك رؤية خوارزمية Support Vector Machine التي حققت أداءً أفضل مقارنةً بالبيانات ، على الرغم من أن النطاق واسع جدًا وأن المتوسط ​​ليس أفضل بكثير من الآخرين. لا شيء حتى بنسبة 50 في المائة وهي نسبة سيئة للغاية للتنبؤ. هذا يرجع بالكامل إلى الطبيعة شبه العشوائية للبيانات. حتى مع هذه النتائج ، قررت المضي قدمًا ، على أمل أن أبصر أي بصيرة على الإطلاق.

باستخدام SVM ، قمت بتدريب الخوارزمية على بيانات الإدخال. باستخدام هذا ، يمكنني الآن توقع مقدار النوم الذي نحصل عليه بناءً على كمية الطعام التي نتناولها في اليوم ، ومتى نضعهم في الفراش ، ومقدار الطعام الذي قدمناه لهم في آخر رضعة. على سبيل المثال ، إعطائهم 28 أونصة ، ووضعهم في الفراش في الساعة 7 ، وإعطائهم 6 أونصات في ذلك التغذية الأخيرة من شأنه أن يؤدي إلى 8 ساعات من النوم السيئ.

الاستنتاجات

بعد أن تم تدريب الخوارزمية الآن ، يمكنني التنبؤ ببعض اليقين بمقدار النوم الذي سنحصل عليه. والأهم من ذلك ، أنني أستطيع أن ألقي نظرة على خطوط الاتجاه الخاصة بها وأرى نوع السلوك الذي أدى إلى مزيد من النوم في محاولة لتحسينه. على عكس المتوقع ، الذهاب إلى الفراش مبكرًا ، مع تناول طعام أقل ، ثم زيادة النوم خلال اليوم. من المحتمل أن يكون هذا بسبب العديد من العوامل ، لكن نظريتي هي أن الطعام الأقل يعني غازات أقل ، وانكماشًا أقل في المعدة عند الجوع ، وبالتالي نومًا أكثر راحة. كم مرة استيقظت من النوم ثم استيقظت بغرابة في منتصف الليل وأنت جائع؟

لسوء الحظ ، تمامًا كما هو الحال مع اختبار A / B ، لا يبدو أن أي مدخلات فردية لديها مدخلات مباشرة قوية على النوم. أعتقد أنه إذا حدث ذلك لكان شخصًا ما قد اكتشفه بالفعل وسيجني الملايين. مجتمعة ، يمكن أن يجد التعلم الآلي بعض هذه الاتجاهات والارتباطات بين المتغيرات ، مما يؤدي للحصول على نتائج أفضل وأكثر دقة من اختبار A / B أو التجربة والخطأ ، لكن النتائج لا تزال بعيدة عن كونها عظيمة. من هذه البيانات ، يمكنني الحصول على معدل دقة للتنبؤات بنسبة 41 بالمائة. هذا يعني في كثير من الأحيان أنهم مخطئون. بسبب التغييرات المتكررة في التطور وحتى الاختلافات بين الأولاد ، من الصعب تطبيق البيانات عبرهم. مرة أخرى ، قد يساعد حجم عينة أكبر ، لكننا لا نهدف إلى الحصول على ثلاثة توائم في أي وقت قريبًا.

ومع ذلك ، فإن هذه النتائج أفضل من لا شيء وتساعد في إظهار وعد مجال التعلم الآلي وعلوم البيانات. أنا شخصياً أفضل اتخاذ القرارات من البيانات المتعلقة بالمشاعر الغريزية وهذه البيانات حتى مجرد تأكيد بعض تخميناتي تجعلني أشعر بتحسن تجاه نهج الأبوة والأمومة لدينا.

تايلر لوند هو محرر أبي هارب.