Folosind știința datelor pentru a îmbunătăți somnul gemenilor mei

Următoarele au fost sindicalizate de la Mediu pentru Forumul Părinte, o comunitate de părinți și influenți cu perspective despre muncă, familie și viață. Dacă doriți să vă alăturați forumului, scrieți-ne la adresa [email protected].

Acum o luna am incercat Testare A/B pentru a vedea cum diferiți „tratamente” sau parametri de intrare ar putea duce la un somn mai lung pentru gemenii noștri – și, desigur, prin proxy, noi. Prin aceasta, am descoperit că tiparele de somn erau destul de neregulate și nu am găsit prea multe care să se coreleze puternic cu creșterea somnului. Odată cu trecerea timpului, au început în mare măsură pe cont propriu, în mod natural. Cu toate acestea, acum că au ajuns la 4 luni, au început faza de regresie a somnului aparent comună, dar rar discutată. M-am trezit din nou disperat după mai mult somn. Am fost, așa cum a subliniat unul dintre comentarii la postarea anterioară, „căutam să găsesc ceva, oricât de disperat eram să dorm mai mult?” Da. Da, am fost. Prin urmare, am apelat la o altă tehnică informatică, învățarea automată.

Învățarea automată este un domeniu din domeniul informaticii care oferă metode pentru „predarea” calculatoarelor sau a programelor fără a le oferi instrucțiuni discrete. În programarea normală, aș da computerului o secvență de comenzi de executat, introducând logica pentru stabiliți ce să faceți pe baza intrărilor, dar programul nu ar putea niciodată să iasă din acestea bine definite șine. Deși această descriere sună mai aproape de Terminator decât ceea ce arată de fapt în practică, învățarea automată vă permite să luați un set de date de „învățare” și să le folosiți pentru a face predicții. Deși devine din ce în ce mai popular în industria tehnologiei, a fost folosit mai ales pentru a cumpăra comportament și recomandări, AI și, poate cel mai interesant, pentru a clasifica și identifica imaginile și arta - în mare parte prin Google. Nu am putut găsi multe cazuri în care aceasta să fie aplicată la educația parentală.

Datorită experienței contabile ale soției mele și personalităților noastre de tip A, avem înregistrări detaliate despre comportamentul de hrănire și somn pentru băieți. Îți amintești această foaie de calcul?

Folosind aceste date, mi-am propus să găsesc combinația optimă a parametrilor de intrare, în acest caz m-am uitat la alimentele totale consumate în ziua, ora ultimei hrăniri și cantitatea ultimei hrăniri, pentru a determina ce ar avea ca rezultat cel mai lung somn de noapte pentru băieți. Și cel mai bine aș putea lăsa computerul să facă treaba grea. În plus, am avut de două ori mai multe date despre aceste tipare pentru că, desigur, avem nu unul, ci 2 băieți.

Există mai multe biblioteci grozave pentru învățarea automată disponibile în limbajele de programare. Chiar dacă folosesc în principal Java și Javascript pentru lucru, am ales biblioteca Python sklearn, deoarece am sunt familiarizat cu Python și aceasta părea aplicația perfectă pentru scripting flexibil limba. Există multe tutoriale grozave pentru această bibliotecă și, de asemenea, o documentare bună.

Puteți găsi codul meu pe github daca esti interesat.

Exportând datele pe care le-am colectat din foaia de calcul, am extras doar ultima lună de puncte de date. Datorită creșterii rapide și schimbărilor de dezvoltare prin care trec sugarii, am simțit că datele de o lună - ori de 2 copii - erau un echilibru bun de date recente și suficiente pentru a face o predicție.

Punându-l împreună și codificându-l

Am primit, de asemenea, câteva statistici care au fost interesante, inclusiv că, în medie, am hrănit băieții cu 27,5 oz per zi, i-au culcat cel mai des la 7:25, i-au hrănit cu 5,22 oz la culcare și au dormit 9 ore pe in medie. De asemenea, s-a dovedit că băieții au dormit peste 10 ore 75 la sută din timp. Nu prea rau. Dar știam că cu ceva mai multă muncă am putea îmbunătăți acest lucru.

Folosind aceste date, am putut să pun fiecare parametru în raport cu timpul de somn.

Puteți vedea că deja nu există o corelație puternică, cel puțin liniară între cele mai multe dintre acestea. Cea mai apropiată este relația oarecum liniară - cu o mulțime de valori aberante - dintre hrana totală și orele de somn. În mod ciudat, mai multă mâncare pare să ducă la mai puțin somn.

Există multe tipuri diferite de algoritmi de învățare automată. Acestea sunt în mare parte clasificate în tipuri liniare și neliniare. Am luat datele și le-am trecut prin 6 algoritmi destul de folosiți pentru a vedea cât de precis ar putea fi fiecare. Iată rezultatele.

Sau într-o formă mai pictografică

Aici puteți vedea algo-ul de suport Vector Machine a avut în mod clar cele mai bune rezultate în raport cu datele, deși intervalul este foarte larg, iar media nu este cu mult mai bună decât celelalte. Niciunul nu este chiar la 50 la sută, ceea ce este destul de slab pentru predicție. Acest lucru se datorează în întregime naturii pseudo-aleatoare a datelor. Chiar și cu astfel de rezultate, am decis să merg mai departe, sperând să strălucesc vreo perspectivă.

Folosind SVM, am antrenat algoritmul pe datele de intrare. Folosind acest lucru, am putut prezice acum cât de mult dormim pe baza cantității de alimente luate într-o zi, când i-am culcat și cât de mult i-am hrănit la ultima hrănire. De exemplu, să le dai 28 de uncii, să-i culci la 7 și să dai 6 uncii la ultima hrănire ar avea ca rezultat un somn destul de slab de 8 ore.

Concluzii

Cu algoritmul antrenat acum, am putut prezice cu o oarecare certitudine cât de mult vom dormi. Mai important, aș putea să mă uit la liniile de tendință pentru acestea și să văd ce tip de comportament a condus la mai mult somn în încercarea de a optimiza. În mod contraintuitiv, a merge la culcare mai devreme, cu mai puțină mâncare atunci și pe tot parcursul zilei, de fapt, a crescut somnul. Acest lucru se datorează probabil mai multor factori, dar teoria mea este că mai puțină mâncare înseamnă mai puține gaze, mai puțină micșorare a stomacului atunci când este foame și, prin urmare, un somn mai odihnitor. De câte ori te-ai scos și apoi te-ai trezit în mod bizar în mijlocul nopții înfometând?

Din păcate, la fel ca și în cazul testării A/B, nicio intrare individuală nu pare să aibă un aport direct puternic asupra somnului. Bănuiesc că dacă ar fi fost cineva l-ar fi descoperit deja și ar fi câștigat milioane. Luate împreună, învățarea automată poate găsi unele dintre aceste tendințe și asocieri între variabile, ceea ce conduce la rezultate mai bune și mai precise decât testele A/B sau încercări și erori, dar rezultatele sunt încă departe de a fi excelente. Din aceste date, am putut obține cel mult o rată de precizie de 41 la sută a predicțiilor. Asta înseamnă că de cele mai multe ori greșesc. Din cauza schimbărilor frecvente în dezvoltare și chiar a diferențelor dintre băieți, este greu să aplicați datele asupra lor. Din nou, o dimensiune mai mare a eșantionului ar putea ajuta, dar nu ne propunem să avem tripleți prea curând.

Cu toate acestea, aceste rezultate sunt mai bune decât nimic și ajută la demonstrarea promisiunii din domeniul învățării automate și al științei datelor. Eu unul prefer să iau decizii din date decât din sentimente, iar aceste date chiar și doar confirmând unele dintre presupunerile mele mă fac să mă simt mai bine cu privire la abordarea noastră parentală.

Tyler Lund este editorul Tată pe fugă.