Novi Metod Poboljšava pouzdanost statističkih procjena

Pretpostavimo da je okolišni znanstvenik istražuje je li izlaganje zračnoj zagađenosti povezano s nižim rođenim težinama u određenoj županiji. Možda bi trenirali model strojnog učenja da procijene veličinu ove veze, jer su metode strojnog učenja posebno dobre za učenje složenih odnosa. Metode strojnog učenja su izuzetno dobre za predviđanje i ponekad pružaju neizravnosti, poput intervala povjerenja, za ove predviđanja. Međutim, one obično ne pružaju procjene ili intervale povjerenja prilikom određivanja je li dvije varijable povezane. Razvijeni su drugi metodi specifično za rješavanje problema veze i pružanje intervala povjerenja. Međutim, u prostornim postavkama, istraživači s MIT-a otkrili su da ti intervali povjerenja mogu biti potpuno pogrešni.

Kada se varijable poput razine zračne zagađenosti ili kiše mijenjaju na različitim lokacijama, obični metodi za generiranje intervala povjerenja mogu tvrditi visok nivo povjerenja, iako procjena potpuno nije uhvatila stvarnu vrijednost. Ovi neuspješni intervali povjerenja mogu zavesti korisnika da povjeruje modelu koji je neuspješan.

Nakon što su identificirali ovu slabost, istraživači su razvili novi metod dizajniran za generiranje valjanih intervala povjerenja za probleme koji uključuju podatke koji se mijenjaju prostorno. U simulacijama i eksperimentima s stvarnim podacima, njihov metod je jedini koji je konzistentno generirao točne intervale povjerenja.

Ovaj rad može pomoći istraživačima u područjima kao što su okolišna znanost, ekonomija i epidemiologija da bolje razumiju kada je moguće vjerovati rezultatima određenih eksperimenata.

“Postoji mnogo problema u kojima ljudi žele razumjeti pojave preko prostora, poput vremena ili upravljanja šumama. Pokazali smo da za ovaj široki klasu problema postoje odgovarajući metodi koji nam mogu dati bolju performansu, bolje razumijevanje toga što se događa i rezultate koji su pouzdaniji,” kaže Tamara Broderick, docentica na MIT-u u Odjelu za elektrotehniku i računarstvo (EECS), članica Laboratorija za informacije i odluke (LIDS) i Instituta za podatke, sustave i društvo, pridružena Laboratoriju za računarstvo i umjetnu inteligenciju (CSAIL), te senior autorica ovog istraživanja.

Broderick je na radu pridružena ko-autorima David R. Burt, postdoktorandom, i Renato Berlinghieri, studentom EECS-a; te Stephen Bates, pomoćnikom profesora EECS-a i članicom LIDS-a. Istraživanje je nedavno predstavljeno na Konferenciji o obradi informacija putem neuronskih mreža.

Prostorna asocijacija i pretpostavke

Prostorna asocijacija uključuje proučavanje kako se varijabla i određeni ishod odnose preko geografskog područja. Na primjer, možda biste htjeli proučiti kako pokrivenost drvećem u Sjedinjenim Državama odnosi na nadmorsku visinu.

Da bi riješili ovaj tip problema, znanstvenik bi mogao prikupiti opažanja iz mnogih lokacija i koristiti ih za procjenu asocijacije na drugoj lokaciji gdje nema podataka.

Istraživači s MIT-a primijetili su da, u ovom slučaju, postojeće metode često generiraju intervale povjerenja koji su potpuno pogrešni. Model bi mogao reći da je 95 posto sigurno da njegova procjena uhvaća pravi odnos između pokrivenosti drvećem i nadmorske visine, iako nije uhvatio taj odnos uopće.

Nakon istraživanja problema, istraživači su utvrdili da pretpostavke na koje se oslanjaju metode za generiranje intervala povjerenja ne drže kada se podaci prostorno mijenjaju.

Pretpostavke su kao pravila koja moraju biti ispunjena kako bi rezultati statističke analize bili valjani. Obični metodi za generiranje intervala povjerenja rade pod raznim pretpostavkama.

Prvo, pretpostavljaju da su izvorni podaci, to jest opažanja koja ste prikupili da biste trenirali model, nezavisni i identično raspoređeni. Ova pretpostavka implicira da je šansa da se uključuje jedna lokacija u podatke bez veze s tim da li će se uključiti druga. Ali, na primjer, senzori zračne zaštite (EPA) su postavljeni s obzirom na druge lokacije senzora za zrak.

Drugo, postojeće metode često pretpostavljaju da je model savršen, ali ova pretpostavka nikada nije istinita u praksi. Na kraju, pretpostavljaju da su izvorni podaci slični ciljnim podacima gdje želite procijeniti.

Ali u prostornim postavkama, izvorni podaci mogu biti fundamentalno različiti od ciljnih podataka jer su ciljni podaci na drugoj lokaciji nego gdje su prikupljeni izvorni podaci.

Na primjer, znanstvenik bi mogao koristiti podatke iz monitora zagađenosti EPA da trenira model strojnog učenja koji može predvidjeti zdravstvene ishodove u ruralnom području gdje nema monitora. Ali monitori zagađenosti EPA vjerojatno su postavljeni u urbanim područjima gdje ima više prometa i teške industrije, tako da AI model neće biti točan.

Novi metod

Novi metod koji su razvili istraživači s MIT-a bazira se na ideji da se podaci dijele na klastere ili regije s sličnim karakteristikama. Ovaj pristup omogućuje da se podaci analiziraju na lokalnom nivou, što omogućuje da se intervali povjerenja generiraju na način koji je osjetljiv na prostorne varijacije.

Istraživači su pokazali da ovaj metod generira intervale povjerenja koji su točniji od postojećih metoda. U simulacijama i eksperimentima s stvarnim podacima, njihov metod je konzistentno generirao točne intervale povjerenja, dok su druge metode često generirale intervale povjerenja koji su potpuno pogrešni.

Ovaj metod također ima prednost jer je jednostavan za implementaciju i ne zahtijeva složene matematičke formule. To ga čini korisnim za širok spektar istraživača koji rade s prostornim podacima.

Primjene

Ovaj metod može imati širok spektar primjena u različitim područjima. Na primjer, u okolišnoj znanosti, može se koristiti za proučavanje odnosa između razine zagađenosti zraka i zdravstvenih ishodova. U ekonomiji, može se koristiti za proučavanje odnosa između razine nezaposlenosti i lokalne ekonomije. U epidemiologiji, može se koristiti za proučavanje odnosa između razine zagađenosti zraka i učestalosti bolesti.

Ovaj metod također može biti koristan u područjima kao što su upravljanje šumama, gdje se može koristiti za proučavanje odnosa između pokrivenosti drvećem i lokalne klime. U urbanom planiranju, može se koristiti za proučavanje odnosa između gustoće naseljenosti i razine zagađenosti zraka.

Zaključak

Novi metod koji su razvili istraživači s MIT-a predstavlja značajan napredak u generiranju valjanih intervala povjerenja za probleme koji uključuju prostorno varijabilne podatke. Ovaj metod je pokazao da je točniji od postojećih metoda i da je jednostavan za implementaciju. Također ima širok spektar primjena u različitim područjima, što ga čini korisnim za širok spektar istraživača.

U budućnosti, nadamo se da će ovaj metod biti široko prihvaćen i korišten u različitim područjima, što će pomoći istraživačima da bolje razumiju prostorno varijabilne podatke i da donose informiranije odluke.

Česta pitanja

Kako novi metod radi?

Novi metod dijeli podatke na klastere ili regije s sličnim karakteristikama. Ovaj pristup omogućuje da se podaci analiziraju na lokalnom nivou, što omogućuje da se intervali povjerenja generiraju na način koji je osjetljiv na prostorne varijacije.

Je li novi metod točniji od postojećih metoda?

Da, novi metod je pokazao da je točniji od postojećih metoda u simulacijama i eksperimentima s stvarnim podacima. Drugi metodi često generiraju intervale povjerenja koji su potpuno pogrešni.

Koji su prednosti novog metoda?

Novi metod ima prednost jer je jednostavan za implementaciju i ne zahtijeva složene matematičke formule. Također ima širok spektar primjena u različitim područjima.

Koji su primjeni novog metoda?

Novi metod može imati primjenu u okolišnoj znanosti, ekonomiji, epidemiologiji, upravljanju šumama i urbanom planiranju.

Kada će novi metod biti široko prihvaćen?

Nadamo se da će novi metod biti široko prihvaćen i korišten u budućnosti, što će pomoći istraživačima da bolje razumiju prostorno varijabilne podatke i donose informiranije odluke.