Para mim, uma das coisas mais interessantes no meio de desenvolvimento de softwares é a que não existe apenas uma forma de se fazer. Existem diversas formas corretas (e incorretas) de se resolver algum problema. Elas vão do incrivelmente simples à forma mais rebuscada ou a mais marretada. Geralmente, quando posso, escolho a forma mais divertida.

Number Two: Why not use your knowledge of the future to play the stock markets? We could make trillions.

Dr. Evil: Why make a trillion when we could make... billions?'

Certa vez conheci um cliente com um problema interessante. Ele tinha uma tabela com uma série de prefixos de telefone contendo o código do pais mais código de área mais os primeiros números do telefone, o suficiente para diferenciar um de outro. O código de área era opcional bem como a quantidade de números de telefone. Para cada prefixo, uma taxa especifica.

Ex:

• prefix ---- rate
• 551198 ---- 0.025
• 55119 ---- 0.015
• 55118 ---- 0.025
• 55113 ---- 0.01
• 55112 ---- 0.012
• 52199 ---- 0.03
• 55218 ---- 0.025
• 55213 ---- 0.011
• 55212 ---- 0.013
• 240 ---- 0.50

O principal problema consistia no fato de não saber que parte da string que continha o número era de fato o prefixo e o que era o número, pois recebíamos o número como uma string inteira, por exemplo: “5511980000000”.

E como qualquer outro problema, existem diversas maneiras de se resolver.

Sempre fui fascinado por Machine Learning. Na realidade, desde a época que eu não sabia direito o que significava mas já sabia que ele foi muito mal implementado no Exterminador do Futuro 1¹. Vi aí uma oportunidade de me divertir, mesmo que a solução não viesse a ser usada.

Caso não saiba o que é Machine Learning e para que serve, vamos para o Wikipédia:

“Machine learning, a branch of artificial intelligence, is about the construction and study of systems that can learn from data.” --- Wikipédia

Era exatamente o que eu estava procurando. Não queria pensar em um algoritmo que fizesse isso por mim. Vou deixar o próprio computador aprender com os dados e decidir o valor correto.

Um dos ramos do Machine Learning é a classificação. Acredito que é a parte mais simples de se explicar e ver como funciona.

Existem, atualmente, diversos algoritmos que conseguem cobrir virtualmente qualquer situação. Para esse exemplo usarei o ID3 e como o Ruby ainda não tem uma grande variedade de bibliotecas de Machine Learning, usarei a que acredito ser a mais famosa: AI4r.

1 gem install ai4r

O próximo passo seria obter o dataset. Fiz um collect da tabela com os campos necessários para nossa pesquisa (no nosso caso, apenas prefix e rate). O Ai4r leva em conta todos os valores que adicionamos no array, sendo que o último elemento da array seria o valor que estamos buscando. Caso você esteja lendo esse blog do futuro, provavelmente já estará usando o rails 4 ou superior, onde o active record pode fazer o pluck com múltiplos valores. E eu os invejo.

1 def dataset
2    data = NumberPattern.collect{|d| [d.prefix, d.rate]}
3    label = ['prefix', 'rate']
4    Ai4r::Data::DataSet.new(data_items: data, data_labels: label)
5 end

Agora com nosso dataset preparado, basta adicionar água, digo, a biblioteca de classificação ID3. É um algoritmo nem tão complicado mas que foge ao escopo desse texto.

1 @a = Ai4r::Classifiers::ID3.new.build dataset

Agora começa a magica. O classificador lê o dataset que adicionamos e cria uma árvore de decisão. No nosso caso seria uma árvore de decisão simples visto que, para deixar o exemplo simples, temos apenas uma variante que é o prefixo. Caso recebêssemos os valores do prefixo separadamente, a árvore seria bem mais complexa. Você pode visualizar essa árvore ao perguntar pelas regras

1 @a.get_rules

Com a árvore de decisão criada, ficou simples obter o rate para nosso prefixo.

1 prefix = ‘55118’
2 eval @a.get_rules
3 #‘0.025’

Mas agora você diz: Peraê, você está dizendo que se apenas alimentar a variável prefixo com o número completo ele traz o resultado correto? Ok, eu admito. Não é tão mágico assim. Para meu exemplo ficar completo, somente o que foi feito não resolveria, ja que, como eu disse, o valor que obteríamos seria uma string com o número inteiro. Caso eu coloque o valor inteiro da string na variável prefix não encontraria nenhum resultado pois o ID3 não faz predições. Faz apenas classificações.

 1 @prefix = number
 2 …
 3 
 4   def get_rate
 5     prefix = @prefix
 6     result = (eval @a.get_rules)
 7   rescue
 8     if !@prefix.empty?
 9       @prefix.chop!
10       get_rate
11     else
12       raise ‘Sem rate para esse número’
13     end
14   end

Ok. Ta certo. Você pode dizer que nesse exemplo eu usei o mesmo princípio de eliminar os números que não se encaixavam com nosso dataset, como o usado no Exterminador do Futuro 1, mas se a Skynet usou no T-800, quem sou eu para dizer algo contra?

1 - Não importa o que digam, a solução de matar todas as mulheres que se chamavam Sarah Connor para atingir a mãe do John Connor não parece muito inteligente.

2 - Indicaria fazer esse exemplo com mais colunas, ou com outros casos para ver como se comporta a árvore de decisão em cada caso.

Comentários