¿Puede Machine Learning ayudarnos a encontrar la taza de café perfecta?
Todos tenemos ese amigo, el detestable, que piensa que es mejor que nadie. Desprecian a Starbucks, preparan su café en una balanza y proclaman en voz alta “notas de vino, corteza de pastel y una vivaz acidez de fresa que simplemente baila en la lengua” mientras toman su cerveza de la mañana 🙄.
¡Bueno, ese soy yo! [19659004] Decidí combinar mi gusto por el café con mi pasión por Machine Learning para intentar responder a una de las preguntas más acuciantes del mundo: ¿qué hace que la taza de café sea perfecta?
Lo que hace que sea una estrella perfecta taza de café ⭐️⭐️⭐️⭐️⭐️☕️?
El primer paso fue conseguir algunos datos. Usé un paquete de Python llamado Selenium para raspar mistobox.com (un fantástico servicio de suscripción de café que uso) para casi quinientas variedades de café, sus clasificaciones, reseñas y muchos otros detalles.
Hay son tantos factores a tener en cuenta al obsesionarse con una taza de café: país de origen, variedad, altitud, método de procesamiento, perfil de tostado, mezcla vs. origen único y, por supuesto, notas de cata.
¿Se puede Estas características ayudan a predecir qué cafés recibirían una calificación de cinco estrellas, o si los gustos de las personas son demasiado variados como para lograr un ganador.
Una vez que tuve todos los datos limpios y organizados, comencé a hacerlo Análisis de datos exploratorios ( EDA). EDA está explorando y visualizando nuestros datos para ayudarnos a entender cómo se ven nuestros datos. ¿Cuántos tostadores hay? ¿Cuál fue la calificación promedio de un café y qué debería considerarse un café excepcional?
También utilicé Procesamiento del lenguaje natural (usando el texto como nuestras funciones de entrada, a diferencia de solo números), para crear características adicionales utilizando las reseñas escritas que los usuarios dejaron para agregar más valor a nuestro conjunto de datos. Considero que cualquier café que tenga un puntaje mayor a 80 es un “excelente” café.
Considero que cualquier café que tenga un puntaje mayor a 80 es un “excelente” café.
Machine Learning (para pasar el tiempo) el valor total de los programas de doctorado es cuando utilizamos fórmulas matemáticas junto con grandes cantidades de datos para ver si podemos detectar patrones y hacer predicciones. Por lo general, se centra en esta pregunta: Dadas las entradas X, ¿cuál es la predicción correcta Y? En este caso, dado que un café tiene factores X (país, variedad, etc.), ¿podemos predecir si obtendrá una puntuación superior a 4 estrellas (nuestra salida Y)?
Jugué con varios modelos populares de Machine Learning y Terminé usando un algoritmo llamado Random Forest para clasificar nuestros cafés. Una de las mejores cosas de los modelos de Random Forest es que podemos mirar hacia atrás y ver qué características consideramos que nuestro modelo es importante al tomar su decisión.
El modelo determinó que las cuatro características más importantes eran altitud, precio, mezcla y Etiopía. Esto encaja bien con lo que observé en mi EDA, cafés cultivados a mayores altitudes y cafés más caros que obtuvieron una puntuación más alta que la altitud más baja, cafés más baratos. Etiopía, que es mi región favorita de cultivo de café, también obtuvo una calificación más alta en comparación con otros países. Además, las mezclas obtuvieron una puntuación más baja frente a los cafés etiquetados como espresso o de origen único.
Si bien nuestras características sí tienen sentido, todavía necesitamos ver cómo se comportó nuestro modelo. Nuestro puntaje de precisión fue de 76, lo que suena bien, hasta que damos cuenta del hecho de que el 75 por ciento de nuestros cafés fueron etiquetados como “ no excelente “. Nuestro modelo ni siquiera superó la precisión de la línea base (el puntaje de precisión que obtendría al adivinar sí o no para cada café), por lo que en realidad no fue muy bueno trabajo.
Entonces, aunque el proyecto no era muy bueno desde el punto de vista de la precisión, todavía era divertido trabajar en él y una gran experiencia de aprendizaje. Parece que las preferencias de café de las personas son demasiado variadas para elegir un ganador claro, o simplemente no tenemos suficientes datos?
¿Qué es lo que te hace una taza de café perfecta? ¿Has trabajado en un proyecto similar? Deja un comentario!
¿Quieres ver mi código o hacerme una pregunta? Eche un vistazo a mi GitHub o chatee conmigo en LinkedIn .
El cuento del café esnobismo y el Machine Learning se publicó originalmente en Towards Data Science en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia.
