Ce qui suit a été syndiqué à partir de Moyen pour Le forum paternel, une communauté de parents et d'influenceurs avec des idées sur le travail, la famille et la vie. Si vous souhaitez rejoindre le Forum, écrivez-nous à [email protected].
Il y a un mois, j'ai essayé Tests A/B pour voir comment différents "traitements" ou paramètres d'entrée pourraient entraîner un sommeil plus long pour nos jumeaux - et bien sûr par procuration, nous. Grâce à cela, j'ai découvert que les habitudes de sommeil étaient assez irrégulières et que peu de choses étaient fortement corrélées à une augmentation du sommeil. Au fil du temps, ils ont commencé plus en grande partie par eux-mêmes naturellement. Cependant, maintenant qu'ils ont atteint 4 mois, ils ont commencé la phase de régression du sommeil apparemment courante mais rarement discutée. Je me suis retrouvé une fois de plus désespéré pour plus de sommeil. Est-ce que, comme l'un d'entre eux l'a commenté dans le post précédent, est-ce que je « cherchais à trouver quelque chose, peu importe à quel point j'avais désespérément besoin de plus de sommeil? Oui. Oui. Par conséquent, je me suis tourné vers une autre technique informatique, l'apprentissage automatique.
flickr / Matthieu H.
L'apprentissage automatique est un domaine de l'informatique qui fournit des méthodes pour « enseigner » des ordinateurs ou des programmes sans leur donner d'instructions discrètes. En programmation normale, je donnerais à l'ordinateur une séquence de commandes à exécuter, en lançant la logique pour prendre des décisions sur ce qu'il faut faire en fonction de l'entrée, mais le programme ne pourrait jamais sortir de ces bien définis des rails. Bien que cette description semble plus proche de la Terminateur que ce à quoi il ressemble réellement dans la pratique, l'apprentissage automatique permet de prendre un ensemble de données « d'apprentissage » et de les utiliser comme base pour faire des prédictions. Bien qu'il devienne de plus en plus populaire dans l'industrie technologique, il a surtout été utilisé pour examiner les achats comportement et recommandations, l'IA, et peut-être le plus intéressant, pour catégoriser et identifier les images et l'art - en grande partie par Google. Je n'ai pas pu trouver beaucoup d'exemples d'application à la parentalité.
Grâce à la formation comptable de ma femme et à nos personnalités de type A, nous avons des dossiers détaillés sur le comportement d'alimentation et de sommeil des garçons. Vous vous souvenez de cette feuille de calcul ?
À l'aide de ces données, j'ai cherché la combinaison optimale de paramètres d'entrée, dans ce cas, j'ai examiné le total des aliments consommés dans le jour, l'heure de la dernière tétée et la quantité de la dernière tétée, pour déterminer ce qui entraînerait le sommeil nocturne le plus long pour le garçons. Et le meilleur de tous, je pouvais laisser l'ordinateur faire le travail difficile. De plus, nous avions deux fois plus de données sur ces modèles car nous n'avons bien sûr pas un mais 2 garçons.
flickr / Matthieu Éphraïm
Il existe plusieurs excellentes bibliothèques pour l'apprentissage automatique disponibles dans tous les langages de programmation. Même si j'utilise principalement Java et Javascript pour le travail, j'ai choisi la bibliothèque Python sklearn, car je avoir une connaissance de Python et cela semblait l'application parfaite pour les scripts flexibles Langue. Il existe de nombreux excellents tutoriels pour cette bibliothèque ainsi qu'une bonne documentation.
Vous pouvez trouver mon code sur github si intéressé.
En exportant les données que nous avons collectées à partir de la feuille de calcul, je n'ai extrait que le mois dernier des points de données. En raison de la croissance rapide et des changements de développement que subissent les nourrissons, j'ai estimé que les données d'un mois - multipliées par 2 nourrissons - étaient un bon équilibre entre la récence et suffisamment de données pour faire une prédiction.
L'assembler et le coder
J'ai également obtenu des statistiques intéressantes, notamment qu'en moyenne, nous avons nourri les garçons avec 27,5 onces par jour, mettez-les au lit le plus souvent à 7h25, nourrissez-les de 5,22 oz à l'heure du coucher, et ils dorment 9 heures sur moyenne. Il s'est également avéré que les garçons dormaient plus de 10 heures 75 pour cent du temps. Pas mal. Mais je savais qu'avec un peu plus de travail, nous pourrions améliorer cela.
En utilisant ces données, j'ai pu tracer chaque paramètre par rapport au temps de sommeil.
Vous pouvez voir qu'il n'y a déjà pas de corrélation forte, du moins linéaire entre la plupart d'entre eux. Le plus proche est la relation quelque peu linéaire – avec beaucoup de valeurs aberrantes – entre la nourriture totale et les heures de sommeil. Curieusement, plus de nourriture semble entraîner moins de sommeil.
flickr / hegbar
Il existe de nombreux types d’algorithmes d’apprentissage automatique. Ceux-ci sont largement classés en types linéaires et non linéaires. J'ai pris les données et les ai passées en revue 6 algorithmes assez largement utilisés pour voir à quel point chacun pouvait être précis. Voici les résultats.
Ou sous une forme plus pictographique
Ici, vous pouvez voir que l'algo Support Vector Machine a clairement donné les meilleurs résultats par rapport aux données, bien que la plage soit très large et que la moyenne ne soit pas bien meilleure que les autres. Aucun n'est même à 50 pour cent, ce qui est assez médiocre pour prédire. Ceci est entièrement dû à la nature pseudo-aléatoire des données. Même avec de tels résultats, j'ai décidé d'aller de l'avant, espérant avoir un aperçu du tout.
En utilisant SVM, j'ai entraîné l'algorithme sur les données d'entrée. En utilisant cela, je pouvais maintenant prédire combien de sommeil nous aurions en fonction de la quantité de nourriture prise par jour, du moment où nous les mettions au lit et de la quantité que nous les avions nourris lors de la dernière tétée. Par exemple, leur donner 28 onces, les mettre au lit à 7 heures et donner 6 onces lors de cette dernière tétée entraînerait un sommeil assez médiocre de 8 heures.
Conclusion
Avec l'algorithme maintenant entraîné, je pouvais prédire avec une certaine certitude combien de sommeil nous aurions. Plus important encore, je pourrais regarder les lignes de tendance pour ces derniers et voir quel type de comportement a conduit à plus de sommeil dans une tentative d'optimisation. Contre-intuitivement, se coucher plus tôt, avec moins de nourriture à ce moment-là et tout au long de la journée a en fait augmenté le sommeil. Cela est probablement dû à de nombreux facteurs, mais ma théorie est que moins de nourriture signifie moins de gaz, moins de rétrécissement de l'estomac en cas de faim et donc un sommeil plus réparateur. Combien de fois vous êtes-vous réveillé bizarrement au milieu de la nuit, affamé ?
flickr / Dion Hinchcliffe
Malheureusement, tout comme pour les tests A/B, aucune contribution individuelle ne semble avoir une forte influence directe sur le sommeil. Je suppose que si c'était le cas, quelqu'un l'aurait déjà découvert et gagnerait des millions. Pris ensemble, l'apprentissage automatique peut trouver certaines de ces tendances et associations entre les variables, ce qui conduit à à des résultats meilleurs et plus précis que les tests A/B ou les essais et erreurs, mais les résultats sont encore loin d'être excellents. À partir de ces données, je pouvais tout au plus obtenir un taux de précision de 41 % des prédictions. Cela signifie le plus souvent qu'ils ont tort. En raison des changements fréquents dans le développement et même des différences entre les garçons, il est difficile d'appliquer les données entre eux. Encore une fois, une plus grande taille d'échantillon pourrait aider, mais nous ne visons pas des triplés de sitôt.
Pourtant, ces résultats valent mieux que rien et contribuent à démontrer la promesse du domaine de l'apprentissage automatique et de la science des données. Pour ma part, je préfère prendre des décisions à partir de données plutôt que de sentiments instinctifs et ces données ne font que confirmer certaines de mes suppositions me font me sentir mieux dans notre approche parentale.
Tyler Lund est le rédacteur en chef de Papa en fuite.
