Agrupar datos sensores Machine learning Chisme 107 del Lince descubre las zonas del clima

Tarde de julio. El Lince de la Noche tiene cuatro termómetros repartidos por la comarca y ha anotado cien lecturas de temperatura y humedad sin escribir de dónde son. La Gata Montesa le pregunta: «¿Hay zonas distintas, o todo el mundo tiene el mismo clima?». El Lince dice: «Pues que lo diga el ordenador, sin decirle de dónde vienen los datos». Vamos a agrupar datos sensores machine learning.

Introducción: agrupar datos sensores machine learning

Hoy agrupamos lecturas de temperatura y humedad sin saber de qué sitio proceden. Si el ordenador encuentra grupos que se parecen a lugares reales, tenemos una pista de que cada zona tiene un clima propio.

Puedes usar el simulador en la página del chisme 107.

Por qué este chisme

En el chisme 106 agrupamos colores. Aquí agrupamos medidas de un sensor, que es lo que hace la ciencia ciudadana: recoger datos del entorno y buscar patrones. Además, el alumnado tiene que decidir cuántas zonas hay, y eso no siempre es evidente.

Cómo funciona

Cada lectura tiene dos números: la temperatura (en grados) y la humedad (en %). Antes de agrupar, los llevamos a la misma escala. Si no lo hiciéramos, la humedad, que va de 0 a 100, pesaría mucho más que la temperatura, que va de unos 10 a 45, solo por tener números más grandes.

Después aplicamos k-medias, el mismo método del chisme 106: elegimos k, colocamos k centros al azar, asignamos cada lectura al centro más cercano, movemos cada centro al promedio de su grupo y repetimos.

Qué necesitamos

• Un navegador (Chrome o Edge).
• Lápiz y papel, para anotar lo que observas.

Construcción

1. Mira los puntos sin agrupar y dibuja con lápiz los grupos que te parezcan.
2. Agrupa con k = 4 y anota la temperatura y la humedad media de cada grupo.
3. Marca «Mostrar las zonas reales» y mira el porcentaje de acierto.
4. Cambia k a 2 y a 6. ¿Sube o baja el acierto? ¿Siempre tiene que coincidir?

Cómo probarlo

1. Pulsa «Nueva simulación» y repite el proceso. ¿Cambia mucho el acierto?
2. Con k = 4, ¿qué zona se confunde más con otra? ¿Por qué?

Qué estamos midiendo realmente

Igualar las escalas es necesario para que el ordenador no haga caso solo a la variable con números más grandes. El acierto lo calculamos porque conocemos la respuesta; en la realidad no la tendríamos y habría que juzgar los grupos de otra forma. Y un termómetro dentro de un coche al sol marca mucho más que el aire: una lectura mal colocada puede cambiar un grupo.

 

 

Cómo se haría con datos reales

Con placas Heltec y sensores DHT22, como en el chisme 26:

1. Se monta una placa en cada zona: sierra, ciudad, costa y un patio soleado.
2. Cada placa toma una lectura a la misma hora, por ejemplo a las 14:00, durante cinco días.
3. Las lecturas se guardan en una tabla con tres columnas: zona, temperatura y humedad.
4. La tabla se agrupa con k-medias, con la zona oculta al principio.

Hay que cuidar la colocación: el sensor a la sombra y ventilado, y nunca pegado a una pared o al suelo.

Para el aula

• ¿Cuántas zonas crees que hay? ¿En qué te basas?
• Si una placa marca 40 °C en la sierra, ¿qué ha pasado? ¿Cómo lo comprobarías?
• ¿Qué pasaría si las cuatro placas estuvieran en el mismo sitio?

Retos

1. Consigue un acierto de al menos el 80 % con k = 4.
2. Añade la hora o la velocidad del viento como variable. ¿Mejoran los grupos?
3. Diseña una zona nueva: ¿qué temperatura y humedad tendría?

Qué hemos aprendido

Con datos sin etiquetas, el ordenador encuentra grupos que pueden corresponder a lugares reales. Pero antes de agrupar hay que pensar en la escala, en la calidad de los datos y en cómo comprobaremos el resultado.

Para seguir investigando

• Chisme 106: agrupar colores, el mismo método con otros datos.
• Chisme 26: termómetro Bluetooth con Heltec y DHT22.