Paso 5: Algoritmo Predicitive
Ahora, para la diversión parte. Visión de futuro!
Para implementar el algoritmo predictivo, utilizaremos una técnica de Aprendizaje automático llamada Regresión lineal. Se estima que los valores futuros de un dataset por correr una línea a través de todos los puntos de datos y determinar el mejor ajustan usando el método de mínimos cuadrados. En términos simples, ciclos a través de todos los valores posibles de la línea en el espacio y decide que el uno con el menor error o desviación en las lecturas es la mejor opción. Esta línea se extrapola entonces para encontrar el siguiente valor del conjunto de datos. Como nuestro conjunto de datos es una serie de tiempo establecido, el siguiente punto corresponde a la siguiente lectura en el tiempo!
Así que ahora que tenemos el conjunto de puntos de datos en nuestra base de datos, podemos utilizar los paquetes numpy y matplotlib en Python para trazar estos datos y extrapolar la línea para encontrar el siguiente valor posible. Una vez que esta previsto se encuentra el valor, la frambuesa Pi envía a la Edison de Intel, donde se compara con el valor existente. Si el valor cae por debajo del valor predicho, el Edison enciende la bomba de agua de la planta.
Puede implementar este algoritmo en MatLab utilizando así la muestra adjunta. Descarga tus valores de Thingspeak como un archivo CSV y copiarlos a la carpeta donde está el ejecutable de MatLab. En la ejecución, usted debe obtener una línea de ajuste lineal como se muestra.
