Imagine you’re an environmental scientist studying the potential link between air pollution and lower birth weights in a specific community. To probe such intricate relationships, machine-learning models are typically used as they’re quite adept at making sense of complex data patterns. However, when it comes to estimating the strength of association between variables like pollution and birth weight, these traditional models may not hold water. These issues primarily lie in how confidence intervals, predictive boundaries of a model’s accuracy, are calculated. While they’re indeed vital, the usual methods often prove to be misleading in spatial studies where factors like air pollution can vary from one location to another.
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.
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.
They also identified some flawed assumptions that various commonplace methods depend on. Among these is the belief that training data used for models are a good reflection of the data where predictions are made, which isn’t always the case. Take, for example, if a model trained with data from urban EPA monitors then gets used for predictions in rural areas. Hence, the new methodology developed by the MIT team opens up promising avenues across an array of disciplines from environmental science to economics. It stands to significantly enhance interpretations of variable relationships across diverse geographical regions. According to Broderick, more fitting methods have been unearthed for a wide class of problems to improve performance and provide more trustworthy results.
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.
Diese Website verwendet Cookies.