Wir haben nun schon fleißig Eier gekocht und so viele Daten gesammelt. Wir haben durch die freundliche Hilfe von Herr Traude vom Lichtenberg bereits 60 Eier zur verfügung gestellt bekommen. Die Daten der ersten 30 sind nun aufbereitet und hier dargestellt:

Wie man in der Graphik bereits sieht zeichnen wir eine Linie durch unsere Daten und versuchen so zu verstehen wie lange ein Ei ungefähr kochen muss. Die Eier hier sind wie die meisten Haushaltseier ca. 2 Wochen alt und unterschiedlich groß.

Das Stichwort Größe ist in dieser Graphik noch nicht berücksichtigt spielt aber bei den weiteren Verlauf unserer Algorithmen eine wichtige Rolle, denn Höhe und Breite können wir hier nicht zeigen da wir dafür 4 Dimensionen bräuchten (Viskosität, Zeit, Höhe, Breite). Doch was wir uns nur in zahlen vorstellen können kann ein Computer in wenigen Sekunden verstehen.

Jeder der sich schonmal mit dem Thema Machine learning auseinander gesetzt hat wird schnell merken wir wollen hier auf Lineare Regression aus. Wir zeichnen also eine virtuelle Linie durch unsere Daten und versuchen so herauszufinden welche Faktoren eine besonders große Rolle bei diesen Daten spielen und wie groß diese Faktoren genau in Zahlen sind.

Machine learning mit Python

Da Python für uns das Tool der Wahl ist um Mal schnell Lineare Regression mit gekochten Eiern zu machen haben wir uns ein kleines Skript aufgesetzt.

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

df = pd.read_csv("Eier-Tabelle2.csv")

X = df[["Höhe (cm)", "Breite (cm)", "Viskosität (1-10)"]].values
Y = df[["Dauer"]].values

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, random_state=4, test_size=0.25)

model = LinearRegression()
model.fit(X_train, Y_train)

print(model.coef_)
print(model.intercept_)

Erster Gedanke nachdem wir die Zahlen hatten war dann: „Ui lasst uns das doch mal in einem Graphik Programm ansehen.“, tja das geht leider nicht da wie gesagt wir versuchen 4D Daten auf einem 2D Bildschirm zu sehen und was mit 3D noch ganz gut geht klappt mit 4D gar nicht so gut.

App

Nächster Schritt nun war nachdem die EierML-App nun auf einem Relativ soliden Stand ist (Update folgt im nächsten Beitrag im Blog) das ganze doch mal richtig auszuprobieren. Gesagt getan, es funktioniert!

Wir also nun eine erste Version des Machine learning Algorithmus und können mit diesen die App nun anfangen zu testen.

Wenn du jetzt gespannt bist wie du die App testen kannst musst du dich nicht mehr lange gedulden. Schaue einfach in unseren nächsten Beitrag sobald er erschein, dort wirst du alles erfahren was das Testen der App betrifft und auf welchem Stand die App aktuell ist.

Hallo 👋
Willst du immer auf dem Laufenden bleiben und über neue Blog-Einträge und vieles mehr
informiert werden?

Dann trage dich jetzt hier für unseren Newsletter ein!

Wir senden keinen Spam! Erfahre mehr in unserer Datenschutzerklärung.

Torben Köhler
Torben Köhler
Artikel: 2

4 Kommentare

  1. Hallo! Das ist total spannend! Haben 60 Eier ausgereicht um zur Berechnung mit der App zu kommen? Lernt die „Maschine“ anhand der Nutzererfahrungen der App weiter?
    Könnt ihr einen Beitrag schreiben, wie man anhand eurer App auch die Grenzen des Machine Learning deutlich machen kann? Also wenn man jetzt besonders dicke oder kugelige Hühnereier hat?
    Vielen Dank für die Einblicke in eure Arbeit.

    • Hey Anna,
      Danke für deine Nachricht. Fürs erste haben uns 60 Eier ausgereicht. Psst das ist doch erst noch im kommen ;). Freu dich schon auf version 2.0! Weitere Artikel werden auch noch kommen, aktuell arbeiten wir allerdings an dem Clickbait-ML Projekt und überarbeiten ein paar andere Dinge daher kann dies noch etwas dauern.
      Wir hoffen du hast trotzdem viel Spaß mit EierML und wünschen dir viel Erfolg beim Eier kochen!
      Dein EierML-Team

Schreibe einen Kommentar zu Torben KöhlerAntworten abbrechen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert