Neue Methode verbessert die Genauigkeit von statistischen Schätzungen in räumlichen Daten

Stellen Sie sich vor, Sie sind Umweltwissenschaftler und untersuchen den möglichen Zusammenhang zwischen Luftverschmutzung und einem geringeren Geburtsgewicht in einer bestimmten Gemeinde. Um solche komplexen Zusammenhänge zu ergründen, werden in der Regel Modelle des maschinellen Lernens eingesetzt, da diese besonders gut darin sind, komplexe Datenmuster zu interpretieren. Wenn es jedoch darum geht, die Stärke des Zusammenhangs zwischen Variablen wie Luftverschmutzung und Geburtsgewicht abzuschätzen, sind diese traditionellen Modelle möglicherweise nicht stichhaltig. Diese Probleme liegen in erster Linie in der Berechnung der Konfidenzintervalle, also der Grenzen der Vorhersagegenauigkeit eines Modells. Zwar sind sie in der Tat von entscheidender Bedeutung, doch erweisen sich die üblichen Methoden in räumlichen Studien, bei denen Faktoren wie Luftverschmutzung von Ort zu Ort variieren können, oft als irreführend.

Diese Unsicherheit ist in erster Linie darauf zurückzuführen, dass herkömmliche Verfahren von der Unabhängigkeit und identischen Verteilung der Datenpunkte ausgehen. In der Praxis werden diese Annahmen jedoch häufig nicht erfüllt. So berücksichtigt beispielsweise die US-Umweltschutzbehörde (EPA) bei der Aufstellung von Luftqualitätsmessgeräten oft andere Sensoren in der Nähe, wodurch Abhängigkeiten in den Daten entstehen, die die Modellvorhersagen verfälschen können.

Vorstellung eines neuartigen Ansatzes des MIT

Um diese Einschränkungen zu beheben, haben Forscher des MIT einen neuen Ansatz entwickelt, mit dem sich zuverlässige Konfidenzintervalle für räumliche Daten generieren lassen. Sie verfolgten einen realistischeren Ansatz, indem sie davon ausgingen, dass sich die Daten räumlich gleichmäßig ändern – ähnlich wie die Luftverschmutzungswerte typischerweise von Ort zu Ort allmählich schwanken. Diese Neubewertung stimme besser mit den tatsächlichen Datentrends überein, sagte Tamara Broderick, außerordentliche Professorin am Institut für Elektrotechnik und Informatik (EECS) des MIT und leitende Autorin der Studie.

Um ihre Methode auf die Probe zu stellen, führte das Team eine Reihe von Simulationen durch und wandte sie auf reale Datensätze an. Die Ergebnisse zeigten, dass ihre Technik die einzige war, die selbst bei Daten, die mit Zufallsfehlern gespickt waren, durchweg genaue und zuverlässige Konfidenzintervalle lieferte. Broderick arbeitete mit den Co-Erstautoren David R. Burt, einem Postdoktoranden, und Renato Berlinghieri, einem Doktoranden im Fachbereich EECS, sowie mit Stephen Bates, einem Assistenzprofessor im Fachbereich EECS, zusammen. Das Team stellte seine Ergebnisse auf der Konferenz „Conference on Neural Information Processing Systems“ vor.

Grenzen überschreiten und in die Zukunft blicken

Sie identifizierten zudem einige fehlerhafte Annahmen, auf denen verschiedene gängige Methoden beruhen. Dazu gehört die Annahme, dass die für Modelle verwendeten Trainingsdaten die Daten, auf deren Grundlage Vorhersagen getroffen werden, gut widerspiegeln – was nicht immer der Fall ist. Nehmen wir zum Beispiel an, ein Modell, das mit Daten von städtischen EPA-Messstationen trainiert wurde, wird anschließend für Vorhersagen in ländlichen Gebieten verwendet. Daher eröffnet die vom MIT-Team entwickelte neue Methodik vielversprechende Ansätze in einer Vielzahl von Disziplinen, von den Umweltwissenschaften bis zur Wirtschaftswissenschaft. Sie dürfte die Interpretation von Zusammenhängen zwischen Variablen in unterschiedlichen geografischen Regionen erheblich verbessern. Laut Broderick wurden für eine breite Klasse von Problemen passendere Methoden entdeckt, um die Leistung zu verbessern und zuverlässigere Ergebnisse zu liefern.

Das Team will nun seine Arbeit ausweiten, indem es seine Methode auf verschiedene Arten von Variablen anwendet und neue Bereiche erkundet, in denen sie die Zuverlässigkeit statistischer Schätzungen verbessern könnte. Dieses Projekt wurde durch einen Startzuschuss des MIT-Programms „Social and Ethical Responsibilities of Computing“ (SERC) sowie durch das Office of Naval Research, Generali, Microsoft und die NSF unterstützt. Weitere Einzelheiten finden Sie im Originalartikel auf MIT News: Neue Methode verbessert die Zuverlässigkeit statistischer Schätzungen.