Utilizzo della scienza dei dati per migliorare il sonno dei miei gemelli neonati

Quanto segue è stato sindacato da medio per Il forum paterno, una comunità di genitori e influencer con approfondimenti su lavoro, famiglia e vita. Se desideri unirti al Forum, scrivici a [email protected].

Un mese fa, ho provato Test A/B per vedere come diversi "trattamenti" o parametri di input potrebbero comportare un sonno più lungo per i nostri gemelli - e, naturalmente, per procura, noi. Attraverso questo, ho scoperto che i modelli di sonno erano abbastanza irregolari e non ho trovato molto che fosse fortemente correlato all'aumento del sonno. Col passare del tempo, hanno iniziato più in gran parte da soli in modo naturale. Tuttavia, ora che hanno raggiunto i 4 mesi, hanno iniziato la fase di regressione del sonno apparentemente comune ma raramente discussa. Ancora una volta mi ritrovai alla disperata ricerca di altro sonno. Stavo forse, come ha sottolineato uno dei commenti nel post precedente, "cercando di trovare qualcosa, non importa quanto disperato sia per dormire di più?" Sì. Sì, lo ero. Quindi, mi sono rivolto a un'altra tecnica di informatica, l'apprendimento automatico.

L'apprendimento automatico è un campo dell'informatica che fornisce metodi per "insegnare" a computer o programmi senza dare loro istruzioni discrete. Nella normale programmazione, darei al computer una sequenza di comandi da eseguire, inserendo la logica per prendere decisioni su cosa fare in base all'input, ma il programma non potrebbe mai partire da questi ben definiti rotaie. Anche se questa descrizione suona più vicina al Terminatore rispetto a come appare nella pratica, l'apprendimento automatico consente di prendere una serie di dati di "apprendimento" e utilizzarli come base per fare previsioni. Sebbene stia diventando sempre più popolare nel settore della tecnologia, è stato utilizzato principalmente per esaminare gli acquisti comportamento e raccomandazioni, intelligenza artificiale e, cosa forse più interessante, per classificare e identificare immagini e opere d'arte - in gran parte da Google. Non sono riuscito a trovare molti casi in cui è stato applicato alla genitorialità.

Grazie al background contabile di mia moglie e alle nostre personalità di tipo A, abbiamo registrazioni dettagliate sul comportamento alimentare e del sonno per i ragazzi. Ricordi questo foglio di calcolo?

Usando questi dati, ho deciso di trovare la combinazione ottimale di parametri di input, in questo caso ho guardato il cibo totale consumato in il giorno, l'ora dell'ultima poppata e la quantità dell'ultima poppata, per determinare cosa comporterebbe il sonno notturno più lungo per il ragazzi. E soprattutto potevo lasciare che il computer facesse il duro lavoro. Inoltre, avevamo il doppio dei dati su questi modelli perché ovviamente non abbiamo uno ma 2 ragazzi.

Esistono diverse ottime librerie per l'apprendimento automatico disponibili in tutti i linguaggi di programmazione. Anche se uso principalmente Java e Javascript per lavoro, ho scelto la libreria Python sklearn, poiché avere familiarità con Python e questa sembrava l'applicazione perfetta per lo scripting flessibile linguaggio. Ci sono molti ottimi tutorial là fuori per questa libreria e anche una buona documentazione.

Puoi trovare il mio codice su github se interessato.

Esportando i dati che abbiamo raccolto dal foglio di calcolo, ho estratto solo l'ultimo mese di punti dati. A causa della rapida crescita e dei cambiamenti evolutivi che i bambini attraversano, ho sentito che i dati di un mese - per 2 bambini - erano un buon equilibrio tra recenti e dati sufficienti per fare una previsione.

Mettendolo insieme e codificandolo

Ho anche ottenuto alcune statistiche interessanti, inclusa quella che in media davamo da mangiare ai ragazzi 27,5 once per giorno, metterli a letto più spesso alle 7:25, dar loro da mangiare 5,22 once prima di coricarsi e hanno dormito 9 ore media. Si è anche scoperto che i ragazzi hanno dormito più di 10 ore il 75% del tempo. Non male. Ma sapevo che con un po' di lavoro in più avremmo potuto migliorarlo.

Usando questi dati, sono stato in grado di tracciare ogni parametro rispetto al tempo di sospensione.

Puoi vedere che non esiste già una forte correlazione, almeno lineare tra la maggior parte di questi. Il più vicino è il rapporto in qualche modo lineare, con molti valori anomali, tra il cibo totale e le ore di sonno. Stranamente più cibo sembra comportare meno sonno.

Esistono molti tipi diversi di algoritmi di apprendimento automatico. Questi sono in gran parte classificati in tipi lineari e non lineari. Ho preso i dati e li ho eseguiti attraverso 6 algoritmi abbastanza diffusi per vedere quanto accurati potessero essere ciascuno. Ecco i risultati.

O in una forma più pittografica

Qui puoi vedere che l'algoritmo Support Vector Machine ha chiaramente funzionato meglio rispetto ai dati, anche se l'intervallo è molto ampio e la media non è molto migliore delle altre. Nessuno è nemmeno al 50 percento, il che è piuttosto scarso per la previsione. Ciò è interamente dovuto alla natura pseudo-casuale dei dati. Anche con tali risultati, ho deciso di andare avanti, sperando di avere qualche intuizione.

Usando SVM, ho addestrato l'algoritmo sui dati di input. Usando questo, ora potevo prevedere quanto sonno avremmo ottenuto in base alla quantità di cibo consumato in un giorno, quando li mettevamo a letto e quanto li nutrivamo durante l'ultima poppata. Ad esempio, dare loro 28 once, metterli a letto alle 7 e dare 6 once all'ultima poppata comporterebbe 8 ore di sonno piuttosto scarse.

Conclusioni

Con l'algoritmo ora addestrato, potevo prevedere con una certa certezza quanto sonno avremmo dormito. Ancora più importante, ho potuto guardare le linee di tendenza per questi e vedere quale tipo di comportamento ha portato a dormire di più nel tentativo di ottimizzare. Controintuitivamente, andare a letto prima, con meno cibo in quel momento e durante il giorno ha effettivamente aumentato il sonno. Ciò è probabilmente dovuto a molti fattori, ma la mia teoria è che meno cibo significa meno gas, meno restringimento dello stomaco quando si ha fame e quindi un sonno più riposante. Quante volte ti sei piagnucolato e poi ti sei svegliato stranamente nel mezzo della notte affamato?

Sfortunatamente, proprio come con il test A/B, nessun input individuale sembra avere un forte input diretto sul sonno. Immagino che se lo facesse qualcuno l'avrebbe già scoperto e guadagnerebbe milioni. Nel loro insieme, l'apprendimento automatico può trovare alcune di queste tendenze e associazioni tra le variabili, il che porta a risultati migliori e più accurati rispetto ai test A/B o ai tentativi ed errori, ma i risultati sono ancora tutt'altro che eccezionali. Da questi dati, al massimo potrei ottenere un tasso di accuratezza delle previsioni del 41%. Ciò significa che il più delle volte si sbagliano. A causa dei frequenti cambiamenti nello sviluppo e persino delle differenze tra i ragazzi, è difficile applicare i dati tra di loro. Anche in questo caso, una dimensione del campione più ampia potrebbe essere d'aiuto, ma non miriamo a terzine in tempi brevi.

Tuttavia, questi risultati sono meglio di niente e aiutano a dimostrare la promessa del campo dell'apprendimento automatico e della scienza dei dati. Io per primo preferisco prendere decisioni dai dati piuttosto che dai sentimenti istintivi e questi dati, anche solo confermando alcune delle mie ipotesi, mi fanno sentire meglio riguardo al nostro approccio genitoriale.

Tyler Lund è l'editore di Papà in fuga.