データサイエンスを使用して幼児の双子の睡眠を改善する

以下はからシンジケートされました 中くらい にとって ファーザリィフォーラム、仕事、家族、生活についての洞察を持つ親とインフルエンサーのコミュニティ。 フォーラムに参加したい場合は、次のアドレスにご連絡ください。 [email protected].

一ヶ月前、私は試しました A / Bテスト さまざまな「治療」または入力パラメータがどのように双子の睡眠を長くする可能性があるかを確認するために、そしてもちろん代理人によって、私たち。 これにより、睡眠パターンがかなり不安定であり、睡眠の増加と強く相関するものはあまり見つかりませんでした。 時が経つにつれ、彼らはより自然に自分たちで始めました。 しかし、4か月に達した今、彼らは明らかに一般的ですが、めったに議論されない睡眠退行期を開始しました。 私はもう一度、もっと眠りたいと必死になっていることに気づきました。 前回の投稿で指摘されたように、「もっと眠りたいと思っていても、何か見つけたい」と言っていたのでしょうか。 はい。 はい、そうです。 そこで、私は別のコンピュータサイエンス技術である機械学習に目を向けました。

機械学習は、コンピュータサイエンスの分野であり、個別の指示を与えることなく、コンピュータやプログラムを「教える」方法を提供します。 通常のプログラミングでは、実行する一連のコマンドをコンピューターに与え、ロジックを投入します。 入力に基づいて何をすべきかを決定しますが、プログラムはこれらの明確に定義されたものから外れることはありません レール。 この説明はに近いように聞こえますが ターミネーター 機械学習では、実際に実際にどのように見えるかよりも、一連の「学習」データを取得して、それを予測の基礎として使用できます。 テクノロジー業界全体でますます人気が高まっていますが、主に購入を検討するために使用されています 行動と推奨事項、AI、そしておそらく最も興味深いのは、写真とアートを分類して識別することです。 グーグル。 子育てに適用されている例はあまり見つかりませんでした。

妻の経理の経歴とタイプAの性格のおかげで、男の子の摂食と睡眠行動に関する詳細な記録があります。 このスプレッドシートを覚えていますか？

このデータを使用して、入力パラメーターの最適な組み合わせを見つけることに着手しました。この場合は、 日、最後の摂食の時間、および最後の摂食の量、何が最も長い夜間の睡眠をもたらすかを決定するために 男の子。 そして何よりも、私はコンピューターに大変な仕事をさせることができました。 さらに、もちろん1人ではなく2人の男の子がいるため、これらのパターンに関するデータは2倍になりました。

プログラミング言語間で利用できる機械学習用の優れたライブラリがいくつかあります。 私は主にJavaとJavascriptを仕事に使用していますが、Pythonライブラリsklearnを選択しました。 Pythonに精通しており、これは柔軟なスクリプト作成に最適なアプリケーションのようです。 言語。 このライブラリと優れたドキュメントについては、すばらしいチュートリアルがたくさんあります。

あなたは私のコードを見つけることができます github 興味があれば。

スプレッドシートから収集したデータをエクスポートして、先月のデータポイントを抽出しました。 乳児が急速に成長し、発達が変化するため、1か月のデータ（乳児2倍）は、最新性と予測を行うのに十分なデータのバランスが取れていると感じました。

それをまとめてコーディングする

私はまた、平均して私たちが男の子に27.5オンス/ 日、彼らを最も頻繁に7:25に寝かせ、就寝時に5.22オンスを与え、そして彼らは9時間寝ました 平均。 また、男の子は75％の時間で10時間以上寝ていたことがわかりました。 悪くない。 しかし、私はこれを改善できるいくつかの作業で知っていました。

このデータを使用して、スリープ時間に対して各パラメーターをプロットすることができました。

これらのほとんどの間には、少なくとも線形の強い相関関係がまだないことがわかります。 最も近いのは、総食物と睡眠時間の関係がやや直線的で、外れ値が多いことです。 奇妙なことに、食べ物が多いと睡眠が少なくなるようです。

機械学習アルゴリズムにはさまざまな種類があります。 これらは主に線形タイプと非線形タイプに分類されます。 私はデータを取得し、かなり広く使用されている6つのアルゴリズムを実行して、それぞれがどれほど正確になるかを確認しました。 結果は次のとおりです。

またはより絵の形で

ここでは、サポートベクターマシンアルゴがデータに対して明らかに最高のパフォーマンスを示していることがわかりますが、範囲は非常に広く、平均は他のマシンよりもはるかに優れているわけではありません。 50％でも、予測にはかなり不十分なものはありません。 これは完全にデータの疑似ランダムな性質によるものです。 そのような結果があったとしても、私は何か洞察を輝かせたいと思って、前進することに決めました。

SVMを使用して、入力データのアルゴリズムをトレーニングしました。 これを使用して、1日の食事の量、就寝時、最後の給餌での給餌量に基づいて、どのくらいの睡眠が得られるかを予測できるようになりました。 たとえば、28オンスを与え、7時に寝かせ、最後の給餌で6オンスを与えると、8時間の睡眠がかなり悪くなります。

結論

アルゴリズムがトレーニングされたので、どれだけの睡眠が得られるかをある程度確実に予測することができました。 さらに重要なことに、これらの傾向線を見て、最適化を試みて、どのタイプの行動がより多くの睡眠につながったかを確認できました。 直感に反して、早めに就寝し、食事を減らして一日中、実際に睡眠を増やしました。 これは多くの要因による可能性がありますが、私の理論では、食べ物が少ないとガスが少なくなり、空腹時の胃の収縮が少なくなり、したがってより安らかな睡眠が得られます。 何回ピグアウトして、夜中に飢えて奇妙に目覚めたことがありますか？

残念ながら、A / Bテストと同様に、睡眠に関して強い直接入力を持っている個々の入力はないようです。 もしそうなら、誰かがすでにそれを発見し、何百万ドルも稼ぐだろうと思います。 まとめると、機械学習はこれらの傾向と変数間の関連性のいくつかを見つけることができます。 A / Bテストや試行錯誤よりも優れた、より正確な結果が得られますが、それでも結果は決して素晴らしいものではありません。 このデータから、せいぜい41パーセントの予測の正解率を得ることができました。 それは、多くの場合、彼らが間違っていることを意味します。 開発が頻繁に変更され、男の子同士の違いさえあるため、男の子間でデータを適用することは困難です。 繰り返しになりますが、サンプルサイズを大きくすると役立つ場合がありますが、すぐにトリプレットを目指すことはありません。

それでも、これらの結果は何もないよりはましであり、機械学習とデータサイエンスの分野の可能性を実証するのに役立ちます。 私は、腸の感情よりもデータから決定を下すことを好みます。このデータは、私の推測の一部を確認するだけでも、子育てのアプローチについて気分が良くなります。

タイラー・ルンドは 実行中のお父さん.