הבא היה סינדיקט מ בינוני ל פורום האב, קהילה של הורים ומשפיעים עם תובנות על עבודה, משפחה וחיים. אם תרצה להצטרף לפורום, פנה אלינו בכתובת [email protected].
לפני חודש ניסיתי בדיקת A/B כדי לראות כיצד "טיפולים" שונים או פרמטרי קלט שונים עשויים לגרום לשינה ארוכה יותר עבור התאומים שלנו - וכמובן על ידי פרוקסי, לנו. דרך זה, גיליתי שדפוסי השינה היו די לא יציבים ולא מצאתי הרבה שמתאם חזק לשינה מוגברת. ככל שחלף הזמן, הם התחילו יותר בעצמם באופן טבעי. עם זאת, כעת, לאחר שהגיעו ל-4 חודשים, הם החלו את שלב רגרסיית השינה הנפוץ לכאורה אך לעתים נדירות דנו בהם. שוב מצאתי את עצמי נואשת לשינה נוספת. האם, כפי שציין אחד בפוסט הקודם, "חיפשתי למצוא משהו, לא משנה כמה נואש לעוד שינה?" כן. כן הייתי. לפיכך, פניתי לטכניקה אחרת של מדעי המחשב, למידת מכונה.
פליקר / מתיו ה.
למידת מכונה היא תחום במדעי המחשב המספק שיטות "ללמד" מחשבים או תוכניות מבלי לתת להם הוראות בדידות. בתכנות רגיל, הייתי נותן למחשב רצף של פקודות לביצוע, ומכניס אליו היגיון לקבוע מה לעשות בהתבסס על קלט, אבל התוכנית לעולם לא תוכל לצאת מאלה המוגדרים היטב פסי רכבת. למרות שהתיאור הזה נשמע קרוב יותר ל-
הודות לרקע החשבונאי של אשתי והאישיות שלנו מסוג A, יש לנו תיעוד מפורט על התנהגות האכלה ושינה של הבנים. זוכרים את הגיליון האלקטרוני הזה?
באמצעות הנתונים הללו, יצאתי למצוא את השילוב האופטימלי של פרמטרי קלט, במקרה זה הסתכלתי על סך המזון הנצרך ב היום, שעת ההאכלה האחרונה וכמות ההאכלה האחרונה, כדי לקבוע מה תגרום לשנת הלילה הארוכה ביותר עבור בנים. והכי טוב שיכולתי לתת למחשב לעשות את העבודה הקשה. בנוסף, היו לנו נתונים כפולים על הדפוסים האלה, כי כמובן אין לנו אחד אלא 2 בנים.
פליקר / מתיו אפרים
ישנן מספר ספריות נהדרות ללמידת מכונה זמינות בשפות תכנות. למרות שאני משתמש בעיקר ב-Java וב-Javascript לעבודה, בחרתי בספריית Python sklearn, כפי שאני יש היכרות עם Python וזה נראה היישום המושלם עבור scripting גמיש שפה. יש הרבה מדריכים נהדרים לספרייה הזו וגם תיעוד טוב.
אתה יכול למצוא את הקוד שלי ב github אם מעוניין.
הוצאתי את הנתונים שאספנו מהגיליון האלקטרוני, חילצתי רק את החודש האחרון של נקודות הנתונים. בגלל הצמיחה המהירה והשינויים ההתפתחותיים שעוברים תינוקות, הרגשתי שהנתונים של חודש אחד - כפול 2 תינוקות - היו מאזן טוב של עדכניות ומספיק נתונים כדי ליצור תחזית.
מרכיבים אותו ומקודדים אותו
קיבלתי גם כמה סטטיסטיקות שהיו מעניינים כולל שבממוצע האכלנו את הבנים ב-27.5 אונקיות לכל ביום, השכיבו אותם לישון לרוב בשעה 7:25, האכילו אותם 5.22 אונקיות לפני השינה, והם ישנו 9 שעות על מְמוּצָע. התברר גם שהבנים ישנו מעל 10 שעות 75 אחוז מהזמן. לא נורא. אבל ידעתי שעם עוד קצת עבודה נוכל לשפר את זה.
בעזרת הנתונים האלה, הצלחתי לשרטט כל פרמטר מול זמן השינה.
אתה יכול לראות שכבר אין מתאם חזק, לפחות ליניארי בין רוב אלה. הקרוב ביותר הוא הקשר הקצת ליניארי - עם הרבה חריגות - הקשר בין סך האוכל לשעות שינה. באופן מוזר, נראה כי יותר אוכל מביא לפחות שינה.
פליקר / hegbar
ישנם סוגים רבים ושונים של אלגוריתמים של למידת מכונה. אלה מסווגים במידה רבה לסוגים ליניאריים ולא ליניאריים. לקחתי את הנתונים והרצתי אותם דרך 6 אלגוריתמים בשימוש די נרחב כדי לראות עד כמה כל אחד יכול להיות מדויק. הנה התוצאות.
או בצורה יותר פיקטוגרפית
כאן אתה יכול לראות את Support Vector Machine algo בבירור פעל הכי טוב מול הנתונים, אם כי הטווח רחב מאוד והממוצע אינו טוב בהרבה מהאחרים. אף אחד מהם אפילו ב-50 אחוז, וזה די גרוע לניבוי. זה נובע לחלוטין מהטבע הפסאודו-אקראי של הנתונים. אפילו עם תוצאות כאלה, החלטתי להתקדם, בתקווה להאיר תובנה כלשהי.
באמצעות SVM, אימנתי את האלגוריתם על נתוני הקלט. באמצעות זה, יכולתי כעת לחזות כמה שינה נקבל על סמך כמות המזון שנלקחת ביום, מתי השכבנו אותם לישון, וכמה האכלנו אותם בהאכלה האחרונה. לדוגמה, לתת להם 28 אונקיות, להשכיב אותם לישון ב-7, ולתת 6 אונקיות באותה האכלה אחרונה, יביאו לשינה גרועה למדי של 8 שעות.
מסקנות
עם האלגוריתם שאומן כעת, יכולתי לחזות בוודאות כמה שינה נקבל. חשוב מכך, יכולתי להסתכל על קווי המגמה של אלה ולראות איזה סוג של התנהגות הוביל ליותר שינה בניסיון לייעל. באופן מנוגד לאינטואיציה, ללכת לישון מוקדם יותר, עם פחות אוכל אז ולאורך היום למעשה הגביר את השינה. זה כנראה נובע מגורמים רבים אבל התיאוריה שלי היא שפחות אוכל פירושו פחות גזים, פחות התכווצות הבטן כשרעבים, ולכן שינה רגועה יותר. כמה פעמים השתחררת ואז התעוררת בצורה מוזרה באמצע הלילה ברעב?
פליקר / דיון הינצ'קליף
למרבה הצער, בדיוק כמו בבדיקת A/B, נראה כי לאף קלט בודד יש קלט ישיר חזק על השינה. אני מניח שאם זה היה קורה מישהו כבר היה מגלה את זה והיה מרוויח מיליונים. ביחד, למידת מכונה יכולה למצוא חלק מהמגמות הללו והקשרים בין משתנים, מה שמוביל לתוצאות טובות ומדויקות יותר מבדיקות A/B או ניסוי וטעייה, אבל התוצאות עדיין רחוקות מלהיות מצוינות. מהנתונים האלה, לכל היותר יכולתי לקבל 41 אחוז דיוק של תחזיות. זה אומר שלעתים קרובות הם טועים. בשל השינויים התכופים בהתפתחות ואפילו ההבדלים בין הבנים, קשה ליישם נתונים על פניהם. שוב, גודל מדגם גדול יותר עשוי לעזור, אבל אנחנו לא שואפים לשלישות בזמן הקרוב.
ובכל זאת, תוצאות אלו טובות מכלום ועוזרות להדגים את ההבטחה של תחום למידת המכונה ומדעי הנתונים. אני למשל מעדיף לקבל החלטות מנתונים על פני תחושות בטן והנתונים האלה אפילו רק מאששים חלק מהניחושים שלי גורמים לי להרגיש טוב יותר לגבי גישת ההורות שלנו.
טיילר לונד הוא העורך של אבא במנוסה.
