Diferencia entre revisiones de «Drogas»
(→Reunion 27/02/2019) |
|||
| (No se muestra una edición intermedia del mismo usuario) | |||
| Línea 50: | Línea 50: | ||
| − | + | == Reunion 27/02/2019 == | |
Hemos visto como hacer un grafo de comportamiento y medir la variación de las respuestas mediante entropía de la información. | Hemos visto como hacer un grafo de comportamiento y medir la variación de las respuestas mediante entropía de la información. | ||
| Línea 60: | Línea 60: | ||
Hemos quedado para el martes que viene para seguir viendo el tema. | Hemos quedado para el martes que viene para seguir viendo el tema. | ||
| − | He pensado que una propuesta | + | 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
