შემდეგი იყო სინდიკატიდან საშუალო ამისთვის მამობრივი ფორუმი, მშობლებისა და გავლენის შემსრულებლების საზოგადოება სამუშაოს, ოჯახისა და ცხოვრების შესახებ. თუ გსურთ შეუერთდეთ ფორუმს, მოგვწერეთ ხაზი [email protected].
ერთი თვის წინ ვცადე A/B ტესტირება იმის დასანახად, თუ როგორ შეიძლება გამოიწვიოს სხვადასხვა „მკურნალობამ“ ან შეყვანის პარამეტრებმა უფრო ხანგრძლივი ძილი ჩვენი ტყუპებისთვის - და, რა თქმა უნდა, პროქსი, ჩვენთვის. ამის წყალობით, აღმოვაჩინე, რომ ძილის რეჟიმი საკმაოდ არასტაბილური იყო და ვერ ვიპოვე, რაც მჭიდრო კავშირშია ძილთან. რაც დრო გადიოდა, მათ ბუნებრივად დაიწყეს უფრო მეტად დამოუკიდებლად. თუმცა, ახლა, როდესაც მათ მიაღწიეს 4 თვეს, მათ დაიწყეს აშკარად გავრცელებული, მაგრამ იშვიათად განხილული ძილის რეგრესიის ფაზა. კიდევ ერთხელ აღმოვჩნდი სასოწარკვეთილი მეტი ძილისთვის. ვიყავი თუ არა, როგორც ერთმა კომენტარს აკეთებდა წინა პოსტზე, აღნიშნა, "ვეძებდი რაიმეს პოვნას, რაც არ უნდა სასოწარკვეთილი ყოფილიყო მეტი ძილისთვის?" დიახ. დიახ მე ვიყავი. აქედან გამომდინარე, მე მივმართე კომპიუტერული მეცნიერების სხვა ტექნიკას, მანქანათმცოდნეობას.
Flickr / მეთიუ ჰ.
მანქანათმცოდნეობა არის კომპიუტერული მეცნიერების სფერო, რომელიც უზრუნველყოფს კომპიუტერების ან პროგრამების „სწავლების“ მეთოდებს მათ დისკრეტული ინსტრუქციების მიცემის გარეშე. ნორმალურ პროგრამირებაში კომპიუტერს მივცემდი ბრძანებების თანმიმდევრობას შესასრულებლად, ლოგიკას ჩავრთავდი გადაწყვიტეთ რა უნდა გააკეთოთ შეყვანის საფუძველზე, მაგრამ პროგრამა ვერასოდეს წავა კარგად განსაზღვრულიდან რელსები. თუმცა ეს აღწერა უფრო ახლოს ჟღერს ტერმინატორი ვიდრე რეალურად გამოიყურება პრაქტიკაში, მანქანათმცოდნეობა საშუალებას აძლევს ადამიანს აიღოს „სწავლის“ მონაცემების ნაკრები და გამოიყენოს ისინი პროგნოზების გასაკეთებლად. მიუხედავად იმისა, რომ ის სულ უფრო პოპულარული ხდება ტექნოლოგიურ ინდუსტრიაში, ის ძირითადად გამოიყენება შესყიდვისთვის ქცევა და რეკომენდაციები, ხელოვნური ინტელექტი და, ალბათ, ყველაზე საინტერესო, სურათებისა და ხელოვნების კატეგორიზაცია და იდენტიფიცირება - ძირითადად Google. მე ვერ ვიპოვე ბევრი შემთხვევა, როდესაც ის მშობლობაზე იყო გამოყენებული.
ჩემი მეუღლის ბუღალტერიისა და ჩვენი A ტიპის პიროვნებების წყალობით, ჩვენ გვაქვს დეტალური ჩანაწერები ბიჭების კვებისა და ძილის ქცევის შესახებ. გახსოვთ ეს ცხრილი?
ამ მონაცემების გამოყენებით, მე შევეცადე ვიპოვო შეყვანის პარამეტრების ოპტიმალური კომბინაცია, ამ შემთხვევაში მე გადავხედე მთლიანი მოხმარებული საკვების რაოდენობას. დღე, ბოლო კვების დრო და ბოლო კვების ოდენობა, რათა დადგინდეს, რა გამოიწვევს ღამის ძილის ყველაზე ხანგრძლივ ძილს. ბიჭები. და რაც მთავარია, მე შემეძლო კომპიუტერს მივეცი შრომისმოყვარეობის უფლება. გარდა ამისა, ჩვენ გვქონდა ორჯერ მეტი მონაცემი ამ ნიმუშების შესახებ, რადგან, რა თქმა უნდა, გვყავს არა ერთი, არამედ 2 ბიჭი.
flickr / მეთიუ ეფრემი
არსებობს რამდენიმე შესანიშნავი ბიბლიოთეკა მანქანური სწავლისთვის, რომლებიც ხელმისაწვდომია პროგრამირების ენებზე. მიუხედავად იმისა, რომ სამუშაოდ ძირითადად Java და Javascript ვიყენებ, ავირჩიე Python ბიბლიოთეკის sklearn, რადგან მე გაეცანი პითონს და ეს ჩანდა იდეალური აპლიკაცია მოქნილი სკრიპტირებისთვის ენა. არსებობს ბევრი შესანიშნავი გაკვეთილი ამ ბიბლიოთეკისთვის და ასევე კარგი დოკუმენტაცია.
თქვენ შეგიძლიათ იპოვოთ ჩემი კოდი github დაინტერესების შემთხვევაში.
ელცხრილიდან ჩვენ მიერ შეგროვებული მონაცემების ექსპორტით, მე ამოვიღე მონაცემთა ქულების მხოლოდ გასული თვე. სწრაფი ზრდისა და განვითარების ცვლილებების გამო, რომელსაც ჩვილები განიცდიან, ვგრძნობდი, რომ ერთი თვის მონაცემები - გამრავლებული 2 ჩვილი - იყო ბოლო დროის კარგი ბალანსი და საკმარისი მონაცემები პროგნოზის გასაკეთებლად.
მისი შეკრება და კოდირება
მე ასევე მივიღე რამდენიმე საინტერესო სტატისტიკა, მათ შორის ის, რომ საშუალოდ ბიჭებს ვაჭმევდით 27,5 უნციას თითოზე დღეში დააძინეთ ისინი ყველაზე ხშირად 7:25 საათზე, აჭმევდნენ 5,22 უნცია ძილის წინ და მათ ეძინათ 9 საათი. საშუალო. ასევე აღმოჩნდა, რომ ბიჭებს დროის 75 პროცენტს 10 საათზე მეტი ეძინათ. Არ არის ძალიან ცუდი. მაგრამ ვიცოდი, რომ მეტი შრომით შეგვეძლო ამის გაუმჯობესება.
ამ მონაცემების გამოყენებით, მე შევძელი თითოეული პარამეტრის გამოსახვა ძილის დროის მიხედვით.
თქვენ ხედავთ, რომ უკვე არ არსებობს ძლიერი კორელაცია, ყოველ შემთხვევაში, ხაზოვანი მათ უმეტესობას შორის. ყველაზე ახლოს არის გარკვეულწილად წრფივი - მრავალი გამონაკლისით - კავშირი მთლიან საკვებსა და ძილის საათებს შორის. უცნაურად მეტი საკვები, როგორც ჩანს, იწვევს ნაკლებ ძილს.
flickr / ჰეგბარი
არსებობს მრავალი განსხვავებული ტიპის მანქანათმცოდნეობის ალგორითმები. ისინი ძირითადად კლასიფიცირდება ხაზოვან და არაწრფივ ტიპებად. მე ავიღე მონაცემები და გავატარე 6 საკმაოდ ფართოდ გამოყენებული ალგორითმი, რათა დამენახა, რამდენად ზუსტი იქნებოდა თითოეული. აქ არის შედეგები.
ან უფრო პიქტოგრაფიული ფორმით
აქ შეგიძლიათ იხილოთ მხარდაჭერის ვექტორული მანქანის ალგო, რომელიც აშკარად საუკეთესოდ ასრულებდა მონაცემებს, თუმცა დიაპაზონი ძალიან ფართოა და საშუალო არ არის ბევრად უკეთესი ვიდრე სხვები. არცერთი არ არის 50 პროცენტზეც კი, რაც საკმაოდ ცუდია პროგნოზირებისთვის. ეს მთლიანად გამოწვეულია მონაცემების ფსევდო შემთხვევითი ბუნებით. ასეთი შედეგებითაც კი, მე გადავწყვიტე წინ წასულიყო, იმ იმედით, რომ რაიმე თვალსაჩინოებას მივაღწევდი.
SVM-ის გამოყენებით, მე ვავარჯიშე ალგორითმი შეყვანის მონაცემებზე. ამის გამოყენებით ახლა შემეძლო ვიწინასწარმეტყველო, რამდენს დავიძინებდით დღეში მიღებული საკვების რაოდენობის მიხედვით, როდის ვაწვებით მათ დასაძინებლად და რამდენს ვკვებეთ ბოლო კვების დროს. მაგალითად, 28 უნციის მიცემა, 7 საათზე დასაძინებლად და ბოლო კვებაზე 6 უნცია მიცემა გამოიწვევს საკმაოდ ცუდ 8 საათიან ძილს.
დასკვნები
ახლა გაწვრთნილი ალგორითმის წყალობით, მე შემეძლო დარწმუნებით ვიწინასწარმეტყველო რამდენს დავიძინებდით. რაც მთავარია, მე შემეძლო გადავხედო ამ ტენდენციების ხაზებს და მენახა, თუ რა ტიპის ქცევამ გამოიწვია მეტი ძილი ოპტიმიზაციის მცდელობაში. ამის საწინააღმდეგოდ, ადრე დაძინება, ნაკლები საკვების მიღების შემდეგ და მთელი დღის განმავლობაში რეალურად აძლიერებდა ძილს. ეს, სავარაუდოდ, მრავალი ფაქტორით არის განპირობებული, მაგრამ ჩემი თეორია არის ის, რომ ნაკლები საკვები ნიშნავს ნაკლებ გაზს, კუჭის ნაკლებ შემცირებას შიმშილის დროს და, შესაბამისად, უფრო მშვიდ ძილს. რამდენჯერ გამოხვედით გარეთ და შემდეგ უცნაურად გაგიღვიძეთ შუაღამისას შიმშილით?
flickr / დიონ ჰინჩკლიფი
სამწუხაროდ, ისევე როგორც A/B ტესტირებისას, არცერთ ინდივიდუალურ შეყვანას არ აქვს ძლიერი პირდაპირი გავლენა ძილის შესახებ. ვფიქრობ, ეს რომ ყოფილიყო, ვინმე უკვე აღმოაჩენდა და მილიონებს გამოიმუშავებდა. ერთად აღებული, მანქანათმცოდნეობას შეუძლია აღმოაჩინოს ზოგიერთი ტენდენცია და ასოციაციები ცვლადებს შორის, რაც იწვევს უკეთესი, უფრო ზუსტი შედეგების მისაღწევად, ვიდრე A/B ტესტირება ან ტესტირება და შეცდომა, მაგრამ შედეგები ჯერ კიდევ შორს არის შესანიშნავისგან. ამ მონაცემებიდან მაქსიმუმ მე შემეძლო პროგნოზების 41 პროცენტიანი სიზუსტის მაჩვენებელი. ეს ნიშნავს, რომ უფრო ხშირად ისინი ცდებიან. განვითარებაში ხშირი ცვლილებებისა და ბიჭებს შორის განსხვავებების გამო, ძნელია მათში მონაცემების გამოყენება. კიდევ ერთხელ, უფრო დიდი ნიმუშის ზომა შეიძლება დაგვეხმაროს, მაგრამ ჩვენ არ ვგეგმავთ სამეულებს უახლოეს მომავალში.
მიუხედავად ამისა, ეს შედეგები არაფერზე უკეთესია და ეხმარება მანქანური სწავლისა და მონაცემთა მეცნიერების სფეროს დაპირებების დემონსტრირებას. მე მირჩევნია მივიღო გადაწყვეტილებები მონაცემების საფუძველზე, ვიდრე ნაწლავის გრძნობები და ეს მონაცემები მხოლოდ ჩემი ზოგიერთი ვარაუდის დამადასტურებელიც კი მაიძულებს უკეთ ვიგრძნო ჩვენი აღზრდის მიდგომა.
ტაილერ ლუნდი არის რედაქტორი მამა გაქცეული.
