____История эта началась в 2019 году. Мне понадобились данные о дате рождения одного из исторических персонажей, в наличии была лишь дата смерти. Пока я искал эти данные в Интернете, мне пришла оригинальная мысль…
Я специалист в области Data Scientist и аналитик. Принимал участие в аналитических проектах из разных областей человеческой деятельности:

• профориентация учащихся по математике (на основании базы данных UNICEF);

• разработка ключевых признаков влияющих на рейтинг европейских ресторанов;

• проводил содержательный анализ зарубежных фильмов, вышедшие за последние 30;

• разработал собственный алгоритм по оценке стоимости квартир в городе Москва;

• занимался машинным обучением моделей кредитного скоринга;

• оптимизировал гипперпараметры модели оценки фальшивых банкнот;

• разработал собственной методику нормирования разряженных баз данных;

• разрабатывал модели продаж автомобилей в Москве;

• разработал собственный аналитический алгоритм линейной регрессии, который использую при разработке моделей подлежащих машинному обучению.

• веду прогнозы котировок валютных пар на рынке forex (телеграмм канал).

и иное…
___мысль предельно простая (в силу специфики сложившегося у меня образа мыслей за многие годы работы аналитиком), если я разработаю несколько признаков по исходным данным, то вычисление даты рождения по дате смерти, станет делом техники (с определённой степенью вероятности). И обученная модель ML сможет выдавать требуемый результат. За ней пришла, как следствие, и другая мысль. Если у меня есть данные по персонажу: дата рождения и его «позывные = ФИО» то я смогу организовать процесс предсказания ДАТ СМЕРТИ (с определённой степенью вероятности). Работа закипела. В течение почти двух лет (на нерегулярной основе) формировалась база данных. Тестировались те или иные библиотеки ML, и создавались нейронные сети различной архитектуры. Работа была закончена. Я научил модели предсказывать даты смерти и оценивать приблизительно годы рождения тех или иных исторических персонажей, по которым известны лишь даты смерти и их имена.

​

Обнаружив сильную связь между годом рождения, полным именем и продолжительностью жизни, стали возникать вопросы о том, каким образом правильный выбор имени может повлиять на потенциал жизни ребёнка. Именно в этой предпосылке появилась идея помогать родителям выбирать имена новорождённым детям. Ведь как только малыш появляется на свет, многие вещи в его жизни уже предопределены, но имя может оказать большое влияние. Поэтому услуга по подбору имени для новорождённых становится все более актуальной.

Консультанты по подбору имени помогают родителям выбрать имена, которые не только подходят по фамилии и культуре семьи, отражают личность ребёнка, но задают жизненный потенциал в продолжительности жизни. Это процесс, который может облегчить задачу родителям и сделать процесс выбора имени более осмысленным и изученным. Однако, профессиональную помощь при подборе имени можно не искать далеко, так как на помощь может прийти искусственный интеллект в лице обученной нейросети.

Такая услуга может быть особенно полезна для родителей, которые испытывают трудности в выборе имени для своего ребёнка. К тому же, правильный выбор имени может обеспечить ребёнку лучший старт в жизни, поэтому это серьёзное решение, которое можно принимать спокойно, зная, что на вашу сторону - желание сделать максимально правильный выбор, с помощью нейросети.

​

Некоторые примеры прогнозов.

​

Обученная модель прогнозировать даты рождения по дате смерти даёт следующие результаты.

При 10% случайной выборке из всей базы данных ошибка составляет 5 лет. Из 1356 вариантов предсказанных дат рождения:

•  в 85 случаях, предсказание точное;

• в 165 случаях, ошибка в 1 год;

• в 170 случаях, ошибка в 2 года;

• в 169 случаях, ошибка в 3 года;

• в 142 случаях, ошибка в 4 года;

• в 122 случаях, ошибка в 5 лет;

• в 134 случаях, ошибка в 6 лет;

далее по нисходящей.

 

Максимальную ошибку в 42 года модель предсказала для Мба Гхото Сапарман Содимеджо, который родился в 1870 году и умер в 2017 году прожив 146 лет. Модель ему спрогнозировала прожить 104 года.

Из 50% выборки:

• в  442 случаях, предсказание точное;

• в 832 случаях, ошибка 1 год;

• в 827 случаях ошибка в 2 года;

• в 792 случаях, ошибка в 3 года;

• в 716 случаях, ошибка в 4 года;

• далее по убывающей.

​​

Метрика explained_variance_score даёт оценку равной 0.88 (чем ближе к 1 тем лучше)

Ниже приводится таблица прогноза для первых 29 персон из 1356, по которым  рассчитывался прогноз дат рождения на обученной выборке. 

1. Столбец birth - известная дата рождения;

2. Столбец fio - имя персонажа;

3. Столбец death - известная дата смерти;

4. Столбец diff_days - известное количество дней, которые прожил персонаж;

5. Столбец diff_days_pred - предсказанное количество дней, которое суждено прожить персонажу;

6. Столбец birth_year_pred - предсказанный год рождения персонажа;

7. Столбец diff - разница в годах, между предсказанным годом рождения и фактическим.

​