Aufgeräumtes Modellieren mit R

Kapitel 19. Wann solltest du deinen Vorhersagen vertrauen?

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Ein Vorhersagemodell kann bei gegebenen Eingabedaten fast immer eine Vorhersage treffen. In vielen Situationen ist es jedoch unangemessen, eine solche Vorhersage zu treffen. Wenn ein neuer Datenpunkt weit außerhalb des Datenbereichs liegt, der zur Erstellung des Modells verwendet wurde, kann eine Vorhersage eine unangemessene Extrapolation sein. Ein eher qualitatives Beispiel für eine unangemessene Vorhersage wäre, wenn das Modell in einem völlig anderen Kontext verwendet wird. Die in Kapitel 14 verwendeten Zellsegmentierungsdaten zeigen an, wann menschliche Brustkrebszellen in einem Bild genau isoliert werden können und wann nicht. Ein Modell, das auf der Grundlage dieser Daten erstellt wurde, könnte für den gleichen Zweck unangemessen auf Magenzellen angewendet werden. Wir können zwar eine Vorhersage erstellen, aber es ist unwahrscheinlich, dass sie auf den anderen Zelltyp anwendbar ist.

In diesem Kapitel werden zwei Methoden zur Quantifizierung der potenziellen Vorhersagequalität erörtert:

Äquivokale Zonen

Bei dieser Methode werden die vorhergesagten Werte verwendet, um den Nutzer darauf hinzuweisen, dass die Ergebnisse verdächtig sein könnten.

Anwendbarkeit

Diese Methode nutzt die Prädiktoren, um den Umfang der Extrapolation (falls vorhanden) für neue Stichproben zu messen.