Diferencia entre revisiones de «Drogas»
(Página creada con «= Predicción del consumo de drogras = Descripción de los trabajos propuestos y realizados») |
(→Reunion 27/02/2019) |
||
| (No se muestran 11 ediciones intermedias de 2 usuarios) | |||
| Línea 1: | Línea 1: | ||
= Predicción del consumo de drogras = | = Predicción del consumo de drogras = | ||
| − | + | El grupo de Psicología Clínica y Experimental de José Andrés Lorca nos han consultado si habría algún método de inteligencia artificial que se le aplique a un conjunto de datos y pudiésemos predecir si un usuario, respondiendo al test, iba a ser o no consumidor de drogas. | |
| + | |||
| + | |||
| + | == Datos == | ||
| + | Los datos son una colección de respuestas dadas a un test que se les ha pasado a un grupo de adictos y a un grupo de control sano. | ||
| + | |||
| + | El test consiste en 4 botones (A,B,C y D) que ofrecen recompensas y castigos, con un comportamiento complejo, y ellos deben de maximizar una puntuación. | ||
| + | |||
| + | == Pregunta == | ||
| + | # ¿Estudiando las respuestas seríamos capaces de predecir si es consumidor de drogas o no? | ||
| + | |||
| + | En realidad, la predicción del consumo no se podría hacer con machine learning, ya que no tenemos el antes y el después de la adicción para saber que características nos llevarían a la adicción y cuales no. Lo que se puede hacer en este trabajo es *caracterizar* al drogadicto, es decir, pasarle un test de drogas por ordenador. | ||
| + | |||
| + | # Dado n respuestas: ¿seríamos capaces de predecir la siguiente respuesta? | ||
| + | |||
| + | == Experimentos == | ||
| + | Lista global de experimentos. | ||
| + | |||
| + | Otra cosa es partir las experimentaciones en 3.... ya que se hacen en 3 fases distintas y LOS BOTONES SIGNIFICAN DIFERENTE | ||
| + | |||
| + | Mirar si podemos encontrar los caminos "mas gordos" | ||
| + | |||
| + | |||
| + | === Red neuronal === | ||
| + | En este caso... hay que estudiar un poco más cómo hacerlo | ||
| + | |||
| + | === Secuencia de respuestas === | ||
| + | Pregunta: Detección de patrones | ||
| + | Hacer un grafo donde representar la evolución de las respuestas, por colores, viendo si realmente toman caminos distintos o no. | ||
| + | |||
| + | |||
| + | y si la afinidad entre usuarios fuera la subcadena común mas larga entre ellos???.... | ||
| + | |||
| + | otra afinidad... numero de cadenas comunes de longitud i... i=0..n | ||
| + | Con eso se hace un vector y ya vemos como se trabaja | ||
| + | |||
| + | === FCA === | ||
| + | |||
| + | Tenemos hecho el generador de combinaciones de teclas... y la generacion de su contexto. | ||
| + | |||
| + | Demasiado grande para correr en tiempo real... haremos experimentos y los dejaremos corriendo. | ||
| + | |||
| + | Idea: y si vemos cuantas veces se repite cada combinacion... y ponemos solo las que se repiten mas de X veces. | ||
| + | |||
| + | === Simular la puntuación === | ||
| + | Se me acaba de ocurrir... simular la puntuación y aquí sí que se puede hacer un vector de números y podríamos, en función de la forma de la gráfica, aplicar redes neuronales y caracterizar al drogadicto. | ||
| + | |||
| + | |||
| + | |||
| + | == Reunion 27/02/2019 == | ||
| + | |||
| + | Hemos visto como hacer un grafo de comportamiento y medir la variación de las respuestas mediante entropía de la información. | ||
| + | |||
| + | También se podría hacer la representación por conjuntos distintos de usuarios y si todos aprenden lo mismo e igual de rápido. | ||
| + | |||
| + | Hemos elegido PLOS one como una revista de caracter interdisciplinar y Q1 | ||
| + | |||
| + | Hemos quedado para el martes que viene para seguir viendo el tema. | ||
| + | |||
| + | He pensado que una propuesta puede ser que: cuando la entropía baje de un cierto nivel, aplicar FCA a las respuestas.... ver qué sale | ||
Última revisión de 12:24 27 feb 2019
Contenido
Predicción del consumo de drogras[editar]
El grupo de Psicología Clínica y Experimental de José Andrés Lorca nos han consultado si habría algún método de inteligencia artificial que se le aplique a un conjunto de datos y pudiésemos predecir si un usuario, respondiendo al test, iba a ser o no consumidor de drogas.
Datos[editar]
Los datos son una colección de respuestas dadas a un test que se les ha pasado a un grupo de adictos y a un grupo de control sano.
El test consiste en 4 botones (A,B,C y D) que ofrecen recompensas y castigos, con un comportamiento complejo, y ellos deben de maximizar una puntuación.
Pregunta[editar]
- ¿Estudiando las respuestas seríamos capaces de predecir si es consumidor de drogas o no?
En realidad, la predicción del consumo no se podría hacer con machine learning, ya que no tenemos el antes y el después de la adicción para saber que características nos llevarían a la adicción y cuales no. Lo que se puede hacer en este trabajo es *caracterizar* al drogadicto, es decir, pasarle un test de drogas por ordenador.
- Dado n respuestas: ¿seríamos capaces de predecir la siguiente respuesta?
Experimentos[editar]
Lista global de experimentos.
Otra cosa es partir las experimentaciones en 3.... ya que se hacen en 3 fases distintas y LOS BOTONES SIGNIFICAN DIFERENTE
Mirar si podemos encontrar los caminos "mas gordos"
Red neuronal[editar]
En este caso... hay que estudiar un poco más cómo hacerlo
Secuencia de respuestas[editar]
Pregunta: Detección de patrones Hacer un grafo donde representar la evolución de las respuestas, por colores, viendo si realmente toman caminos distintos o no.
y si la afinidad entre usuarios fuera la subcadena común mas larga entre ellos???....
otra afinidad... numero de cadenas comunes de longitud i... i=0..n Con eso se hace un vector y ya vemos como se trabaja
FCA[editar]
Tenemos hecho el generador de combinaciones de teclas... y la generacion de su contexto.
Demasiado grande para correr en tiempo real... haremos experimentos y los dejaremos corriendo.
Idea: y si vemos cuantas veces se repite cada combinacion... y ponemos solo las que se repiten mas de X veces.
Simular la puntuación[editar]
Se me acaba de ocurrir... simular la puntuación y aquí sí que se puede hacer un vector de números y podríamos, en función de la forma de la gráfica, aplicar redes neuronales y caracterizar al drogadicto.
Reunion 27/02/2019[editar]
Hemos visto como hacer un grafo de comportamiento y medir la variación de las respuestas mediante entropía de la información.
También se podría hacer la representación por conjuntos distintos de usuarios y si todos aprenden lo mismo e igual de rápido.
Hemos elegido PLOS one como una revista de caracter interdisciplinar y Q1
Hemos quedado para el martes que viene para seguir viendo el tema.
He pensado que una propuesta puede ser que: cuando la entropía baje de un cierto nivel, aplicar FCA a las respuestas.... ver qué sale
