Kueleza Uigaji wa Mzunguko kwa Njia ya Bayesi: Kwa Nini Tunaonyesha Sigma, Si Tarehe

Programu nyingi za mzunguko zinakuonyesha tarehe kwa uhakika. "Hedhi: Machi 14." Inaonekana kama ukweli halisi. Lakini ni uamuzi wa UX unaoficha mtawanyiko wa uwezekano nyuma ya nambari moja tu. Uigaji wa mzunguko kwa njia ya Bayesi unafanya hesabu ile ile, lakini unakuonyesha mtawanyiko huo.

Andiko hili linaeleza jinsi hesabu inavyofanya kazi kihalisia, kwa nini Soulwise inaonyesha sigma badala ya kujifanya kuwa na uhakika, na jinsi hilo linavyoonekana katika UI ya kila siku.

"Bayesian" inamaanisha nini hasa hapa

Ufahamu wa Bayesian unachanganya mambo mawili:

• Imani ya awali (prior): imani yako ya mwanzo kuhusu urefu wa mzunguko kabla ya kuwa na data kutoka kwa mtumiaji huyu mahususi.
• Uwezekano (likelihood): kile ambacho kila mzunguko mpya ulioandikishwa unakuambia.

Vizidishe, virekebishe, kisha utapata imani iliyosasishwa (posterior): imani yako iliyoboreshwa. Imani hiyo iliyosasishwa inakuwa imani ya awali kwa mzunguko unaofuata. Modeli inazidi kuwa sahihi kadiri mizunguko zaidi inavyowasili.

Soulwise inaanza na imani ya awali ya Gaussian iliyopangiliwa katikati ya mu = 28 siku ikiwa na mkengeuko wa kawaida wa sigma = 5 siku. Huo ndio umbo la jumla la urefu wa mzunguko katika idadi pana ya watu. Kadiri mizunguko yako mwenyewe inavyoandikishwa, modeli inahamishia katikati kuelekea wastani wako binafsi na kubana (au kulegeza) sigma kulingana na utofauti wako.

Usasishaji wa kiunganishi, katika aya moja

Kwa kipaumbele cha Gaussian na uwezekano wa Gaussian, hesabu hukunjana vizuri. Iwapo kipaumbele chako kinasema cycle ~ N(mu_0, sigma_0) na unaona mizunguko x_1, x_2, ..., x_n, posteriori pia ni Gaussian:

posterior_mean = (mu_0 / sigma_0^2 + sum(x_i) / sigma_observed^2) / (1 / sigma_0^2 + n / sigma_observed^2)
posterior_sigma = sqrt(1 / (1 / sigma_0^2 + n / sigma_observed^2))

Tafsiri: kadiri unavyorekodi mizunguko zaidi, ndivyo kipaumbele kinavyopungua umuhimu na ndivyo data yako binafsi inavyotawala zaidi. Baada ya takriban mizunguko 3 iliyorekodiwa, kipaumbele cha idadi ya watu huchangia kidogo; baada ya takriban 10, huwa ni kelele tu.

Kile mtumiaji anachoona

Posterior ni mkunjo. UI haiwezi kuonyesha mkunjo katika arifa. Kwa hiyo Soulwise huiminya hadi mambo mawili:

• Anuwai inayowezekana. Dirisha ambamo posterior huweka uzito wake mwingi (k.m., muda wa kati wa 68%, takriban +/- 1 sigma).
• Lebo ya uthabiti. Mojawapo ya alama tatu za lugha rahisi:
  • "Uhusiano unaowezekana" sigma inapokuwa finyu na data ni ya hivi karibuni.
  • "Ishara dhaifu" sigma inapokuwa pana au data ni chache.
  • "Data haitoshi" zinapokuwa chache kuliko mizunguko ya chini iliyorekodiwa inayohitajika na modeli.

Kwa hiyo badala ya "Hedhi: Machi 14," mtumiaji anaona "Yawezekana Machi 12-16, ishara dhaifu." Hicho ndicho kipato halisi cha modeli, si pambo la UX.

Kwa nini hatufichi chochote

Sababu tatu.

Ukweli. Kifuatiliaji cha mizunguko hakiwezi kuahidi tarehe ambayo hakijui. Kuonyesha sigma ndiyo njia pekee mtumiaji anaweza kupima imani.

Usalama. Tarehe inayoonekana ya uhakika huwasukuma watu kupanga mambo yanayoizunguka kwa yale ambayo programu haiwezi kuyasaidia, ikiwemo upangaji wa ujauzito, uzuiaji mimba, na maamuzi ya kitabibu. Lebo ya uhakika husema "hii ni makadirio," ambacho ndicho ilivyo.

Uimara dhidi ya mizunguko isiyo ya kawaida. PCOS, kipindi cha kabla ya kukoma hedhi, mizunguko ya baada ya vidonge, na tiba ya homoni vyote hupanua sigma. Kifuatiliaji cha kawaida ama hukosea vibaya au humwacha mtumiaji kimya kimya. Kifuatiliaji cha Bayesi huweka tu lebo kwenye makadirio kuwa "ishara dhaifu" na kuendelea kufanya kazi.

Mfano huu si nini

Mipaka michache thabiti, imeandikwa ili isiweze kuyumbayumba:

• Haukadirii matukio mahususi ya mzunguko zaidi ya kipindi cha tarehe za hedhi inayofuata.
• Hautoi dirisha la upangaji uzazi.
• Haujabuniwa kwa matumizi ya kushika mimba au uzuiaji mimba.
• Haujathibitishwa kitabibu na haubadilishi ushauri wa kitabibu kwa hedhi iliyokosekana, kutokwa damu kusiko kawaida, au dalili zinazoendelea.

Mipaka hii si kwamba mfano huu ni wa tahadhari kupita kiasi. Ni kwamba mfano huu umewekewa upeo sahihi. Ukadiriaji wa hedhi na ukadiriaji wa upangaji uzazi ni matatizo tofauti yenye mahitaji tofauti ya data na viwango tofauti vya udhibiti.

Pale hesabu inapokutana na ibada ya kila siku

Katika Soulwise, matokeo ya Bayesian yanalisha muktadha wa awamu ya mzunguko unaotumika katika check-in ya kila siku. Ibada ya sekunde 20 inakuuliza unajisikiaje; jibu hutumia awamu ya mzunguko kama mojawapo ya viingilio vitano. Wakati sigma iko pana, kadi ya jibu huipa awamu ya mzunguko uzito mdogo. Wakati sigma iko finyu, huipa awamu ya mzunguko uzito zaidi. Hesabu huustahili uzito wake kwa kuwa mkweli kuhusu kiwango cha uhakika ilicho nacho.

Toleo fupi zaidi: kifuatiliaji halisi cha Bayesian hudhihirisha sigma. Iwapo programu yako inakuonyesha tarehe moja yenye uhakika, modeli iliyo ndani inaweza kuwa ile ile, lakini namna inavyowasilishwa inaficha kile inachojua kwa hakika.