El problema
Tenemos una serie de datos sobre
parejas que se han formado antes de que los dos miembros cumplieran los 30 años, los datos estadísticos de que disponemos son:
- Edad del hombre en el momento de la unión.
- Edad de la mujer en el momento de la unión.
- Número de hijos que han tenido.
- Si se han separado o no después de 20 años de vivir en pareja.
Predicción: queremos construir una máquina que con los tres primeros datos sea capaz de predecir si la pareja se separará o no antes de esos 20 años posteriores a la unión.
Los datos
En la tabla podemos observar 16 filas con los datos disponibles. Estos datos los clasificaremos de la siguiente forma:
- Datos de entrada: Son las 11 primeras filas de datos que utilizaremos para que nuestra máquina aprenda, es decir, para que se "entrene" hasta conseguir que la salida coincida con el estado de separación o no.
- Edad del hombre.
- Edad de la mujer.
- Número de hijos (en adelante nº).
- Salida: Es el dato que debe dar como salida nuestra máquina en cada caso.
- Comprobación: Los datos de las últimas 5 filas los utilizaremos para comprobar si la máquina funciona correctamente después de ajustarla.
Aquí puedes descargar una hoja de cálculo con los datos.
La máquina
Nuestra máquina es electrónica y se puede construir físicamente en la realidad pero, en este caso, vamos a simularla con una herramienta que seguro que conoces, se trata de Thinkercad Circuit.
La máquina se compone de:
- Entradas: 3 generadores de voltaje e intensidad.
- Parte central: 6 potenciómetros o resistencias variables de 10 Kohm cada uno.
- Salida: un multímetro que utilizaremos como amperímetro.
La disposición general y las conexiones debe quedar como en la siguiente imagen:
Funcionamiento
Para entrenar nuestra máquina procederemos del siguiente modo:
- Realizar el conexionado como en la imagen anterior.
- Ajustaremos los potenciómetros a su valor medio.
Comenzamos el ajuste:
Introducimos los datos de edad del hombre, edad de la mujer y nº de hijos en los tres generadores de arriba a abajo a razón de 1 voltio = 1 año en los dos primeros y 1 Voltio = 1 hijo en el tercero. La imagen corresponde a la primera fila de datos (26, 25, 0).
Tras introducir los voltajes hay que ver la intensidad de salida en mA y ajustar levemente los potenciómetros con el siguiente criterio:
- Si se han separado ajustar la intensidad para menos de 2 mA, aunque sea sólo un poco menos (1,97 mA por ejemplo).
- Si no se han separado ajustarlo para más de 2 mA de salida en el amperímetro.
El algoritmo que hay que repetir en cada fila es el siguiente:
Este proceso hay que repetirlo para cada fila de datos de ENTRENAMIENTO (fondo de color azul).
Tras la primera introducción completa de los 11 valores, hay que volver a repetir el proceso con las 11 filas, ya que al ajustar unos potenciómetros para unos datos los habremos desajustado para otros.
Hay que repetir el proceso unas cuantas veces hasta que la salida se ajuste siempre a la norma de los 2 mA.
Debes tener en cuenta que:
- Puede haber diferentes ajustes que den una salida correcta por lo que el resultado final de un grupo puede ser diferente al de otro.
- Durante el proceso te darás cuenta que unos potenciómetros influyen más que otros y tenderás a actuar más sobre ellos.
Comprobación
En este punto, y tras el proceso de entrenamiento, ¡¡ya podemos poner a prueba nuestra máquina!!
Es el momento de utilizar los datos de COMPROBACIÓN (fondo amarillo). Ahora es importante, ¡ya no podemos tocar los potenciómetros!, hay que introducir cada una de las 5 filas de comprobación, comprobando la salida con la regla de los 2 mA:
- Si la salida > 2 mA --> No se separarán (predicción).
- Si la salida < 2 mA --> Sí se separarán (predicción).
Ahora es el momento de tener un debate interesante en clase sobre nuestros resultados:
- ¿Han coincidido los resultados con el dato de separación de la tabla?
- ¿Han coincidido todos los resultados?
- ¿Todas las máquinas han obtenido finalmente el mismo ajuste?
- Si otra persona en otro lugar, construye otra máquina igual y le pasamos una foto con nuestros potenciómetros ajustados (nuestro entrenamiento), ¿crees que también le funcionará?
La definición clásica de Machine Learning (ML), o Aprendizaje Automático como se conoce en español, dice que "es un conjunto de algoritmos y técnicas con las que se construyen modelos de predicción y clasificación a partir de conjuntos de datos conocidos".
