Pengarang: Michelangiolo Mazzeschi
Awalnya diterbitkan di Towards AI the World’s Leading AI and Technology News and Media Company. Jika Anda sedang membangun produk atau layanan terkait AI, kami mengundang Anda untuk mempertimbangkan untuk menjadi sponsor AI. Di Towards AI, kami membantu menskalakan AI dan startup teknologi. Biarkan kami membantu Anda melepaskan teknologi Anda kepada massa.
Ilmu Data
Menguji kemampuan prediksi AI. Kode lengkap tersedia di repo saya.
Bergabunglah dengan komunitas pemrograman GRATIS kami di discord dan temui programmer lain di Python Kai!
AI adalah keajaiban, tidak ada keraguan. Karena orang-orang memahami kemampuan prediksinya, telah menggunakannya untuk kebaikan. Jadi, inilah kesepakatannya, saya benar-benar akan berpura-pura serius dalam artikel ini dan Anda akan membaca berpura-pura bahwa apa pun yang telah diprediksi oleh AI akan menjadi skenario yang masuk akal untuk masa depan.
Bagaimana kita sampai pada prediksi drastis seperti itu? Apakah ini akan menjadi akhir dari iPhone, dan sebagai akibatnya Apple, seperti yang kita ketahui? Yang paling penting, bagaimana kita membuat AI yang khusus memprediksi ukuran iPhone model tanggal tertentu dalam waktu?
Mengumpulkan data
Jawabannya cukup sederhana, sebenarnya. Kami mulai dengan mengumpulkan data dari setiap model iPhone yang tersedia. Awalnya, rencananya adalah membuat perbandingan model yang berbeda per perusahaan, menunjukkan tingkat pertumbuhan ukuran smartphone dari waktu ke waktu. Pengumpulan data, bagaimanapun, terbukti terlalu menantang, dan saya harus membatasi diri pada produk Apple.
Evolusi ukuran ponsel cerdas dari waktu ke waktu
Seperti yang Anda lihat, hasilnya cukup menjanjikan. Berkat perubahan rute mulai dari blackberry, ponsel mulai menjadi lebih besar daripada lebih kecil. Jika itu masalahnya, saat ini saya akan menulis tentang perkiraan kapan manusia semut dapat menggunakan ponselnya di alam kuantum MCU.
Antman raksasa di iPhone, sejauh ini semuanya masuk akal
Memproses data terlebih dahulu
Lelucon terpisah (saya ragu konten yang dipermasalahkan akan menjadi lebih serius), ini adalah ukuran iPhone dari model 5.0 selama bertahun-tahun. Dengan menyalin dan menempelkan string dari situs web, inilah hasilnya.
str1 = ‘iPhone 12 Pro Max,6.7in,160.8 x 78.1 x 7.4 mm,iPhone 12 Pro,6.1in,146.7 x 71.5 x 7.4 mm,iPhone 12 ,6.1in,146.7 x 71,5 x 7.4 mm,iPhone 12 Mini ,5.4 in,131.5 x 64.2 x 7.4 mm,iPhone SE (2020),4.7in, 138.4 x 67.3 x 7.3mm,iPhone 11 Pro Max,6.5in, 158 x 77.8 x 8.1mm,iPhone 11 Pro ,5.8in,144 x 71.4 x 8.1 mm,iPhone 11,6.1in, 150,9 x 75,7 x 8,3 mm,iPhone XS Max,6,5in,157,5 x 77,4 x 7,7 mm,iPhone XS,5.8in,143,6 x 70.9 x 7,7 mm,iPhone XR,6.1in, 150.9 x 75.7 x 8.3 mm,iPhone X,5.8in,143.6 x 70.9 x 7.7 mm,iPhone 8 Plus,5.5in,158.4 x 78.1 x 7.5 mm,iPhone 8 ,4.7in,138.4 x 67,3 x 7.3 mm,iPhone 7 Plus ,5,5in,158,2 x 77,9 x 7,3 mm,iPhone 7,4,7in,138,3 x 67,1 x 7,1 mm,iPhone 6s Plus ,5,5in,158,2 x 77,9 x 7,3 mm ,iPhone 6s,4,7in,138,3 x 67,1 x 7,1 mm ,iPhone SE / iPhone 5 / iPhone 5s,4.0in,123,8 x 58,6 x 7,6 mm’
Sebelum mengolah data, kita perlu melakukan perubahan pada formatnya. Dengan menggunakan algoritme berikut, saya dapat membagi data menjadi daftar pengukuran.
the_list = str1.split(‘,’) list_of_groups = zip(*(iter(the_list),) * 3)
t = daftar()
untuk di list_of_groups:
t.tambahkan(a)
t Keluaran:
[(‘iPhone 12 Pro Max’, ‘6.7in’, ‘160.8 x 78.1 x 7.4 mm’),
(‘iPhone 12 Pro’, ‘6.1in’, ‘146.7 x 71.5 x 7.4 mm’),
(‘iPhone 12xa0’, ‘6.1in’, ‘146.7 x 71.5 x 7.4 mm’),
(‘iPhone 12 Minixa0’, ‘5.4in’, ‘131.5 x 64.2 x 7.4 mm’),
(‘iPhone SE (2020)’, ‘4.7in’, ‘ 138.4 x 67.3 x 7.3mm’),
(‘iPhone 11 Pro Max’, ‘6.5in’, ‘ 158 x 77.8 x 8.1mm’),
(‘iPhone 11 Proxa0’, ‘5.8in’, ‘144 x 71.4 x 8.1xa0mm’),
(‘iPhone 11’, ‘6.1in’, ‘xa0150.9 x 75.7 x 8.3 mm’),
(‘iPhone XS Max’, ‘6.5in’, ‘157.5 x 77.4 x 7.7 mm’),
(‘iPhone XS’, ‘5.8in’, ‘143.6 x 70.9 x 7.7 mm’),
(‘iPhone XR’, ‘6.1in’, ‘150.9 x 75.7 x 8.3 mm’),
(‘iPhone X’, ‘5.8in’, ‘143.6 x 70.9 x 7.7 mm’),
(‘iPhone 8 Plus’, ‘5.5in’, ‘158.4 x 78.1 x 7.5 mm’),
(‘iPhone 8xa0’, ‘4.7in’, ‘138.4 x 67.3 x 7.3 mm’),
(‘iPhone 7 Plus’, ‘5.5in’, ‘158.2 x 77.9 x 7.3 mm’),
(‘iPhone 7xa0’, ‘4.7in’, ‘138.3 x 67.1 x 7.1 mm’),
(‘iPhone 6s Plusxa0’, ‘5.5in’, ‘158.2 x 77.9 x 7.3 mmxa0’),
(‘iPhone 6s’, ‘4.7in’, ‘138.3 x 67.1 x 7.1 mm’),
(‘iPhone SE / iPhone 5 / iPhone 5s’, ‘4.0in’, ‘123.8 x 58.6 x 7.6 mm’)]
Mengubah data menjadi panda DataFrame
Namun, untuk membangun model regresi, saya perlu membagi data menjadi fitur yang tepat. Karena tahun tidak termasuk dalam data asli, saya harus mencarinya dan menambahkannya sendiri sebagai indeks.
impor panda sebagai pd df = pd.DataFrame
Pada akhirnya, inilah hasil akhir:
Visualisasikan tren
Data terdiri dari 3 variabel: waktu, lebar, dan panjang iPhone. Saya memutuskan untuk memvisualisasikannya memplotnya dalam 3D.
Membuat model prediksi
Pendekatan terbaik untuk membuat prediksi semacam ini adalah dengan menggunakan model regresi. Saya akan menggunakan tahun sebagai fitur, dan pengukuran iPhone sebagai label, masing-masing X dan y.
impor numpy sebagai np
dari sklearn.linear_model impor LinearRegression X, y = pd.DataFrame(df.index), df[[‘length’, ‘width’]]
reg = LinearRegression().fit(X, y)
reg.skor(X, y)
Sekarang mari kita membuat prediksi untuk tahun 2700:
reg.predict(np.array([[2700]])) Keluaran:
Himpunan([[1013.11827778, 591.6195 ]])
IPhone akan mencapai 1013mm x 592mm, mencapai ambang batas 1 meter! Luar biasa!
Pada Akhir Tahun 3000, Lebar iPhone Akan Melebihi 1 Meter, AI Predicts awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.
Diterbitkan melalui Menuju AI
