Международная группа математиков под руководством исследователей из Университета Лехай разработала новый метод прогнозирования, который обещает значительно повысить точность моделей в медицине, биологии и социальных науках. Этот подход, названный Максимальным Линейным Предиктором Согласованности (MALP), фокусируется на максимизации соответствия между прогнозами и реальными результатами, а не только на минимизации средних ошибок. Новая методология оптимизирует Коэффициент Корреляции Согласованности (CCC), что может изменить правила игры в предиктивном моделировании.
Традиционные методы, такие как классический метод наименьших квадратов, сосредоточены преимущественно на минимизации средней ошибки. Хотя они эффективны во многих сферах, эти подходы могут быть недостаточными, когда главная цель – максимальная согласованность, а не просто близость к среднему значению.
Главный автор исследования, ассистент профессора математики Университета Лехай Техо Ким, объясняет фундаментальную разницу.
Почему согласованность отличается от корреляции
Часто понятие согласованности путают с коэффициентом корреляции Пирсона. Этот привычный показатель полезен для оценки силы линейной связи, но он не измеряет, насколько хорошо данные выстраиваются вдоль идеальной линии 45 градусов на диаграмме рассеяния, где прогноз равен фактическому результату.
«Иногда мы хотим не просто, чтобы наши прогнозы были близки – мы хотим, чтобы они имели наивысшую согласованность с реальными значениями», – говорит Ким. «Для этого мы используем другой показатель: коэффициент корреляции согласованности (CCC), введенный Лином в 1989 году. ... Мы разработали предиктор, предназначенный для максимизации согласованности между прогнозируемыми и фактическими значениями».
Тестирование MALP на реальных данных
Команда оценила эффективность MALP с помощью компьютерного моделирования и двух реальных наборов данных, чтобы продемонстрировать его практическое преимущество.
Первый тест касался офтальмологического исследования для сравнения двух устройств оптической когерентной томографии (OCT) – старого Stratus и нового Cirrus. Поскольку клиники переходят на новые системы, врачам нужен надежный способ конвертации измерений для сохранения последовательности данных пациентов. MALP показал лучшее соответствие (согласованность) измерениям Stratus на основе данных Cirrus.
Второй тест провели на данных о измерении жира в организме 252 взрослых. Точные методы, такие как подводное взвешивание, являются дорогостоящими. MALP использовал более простые измерения (вес, размер живота) и снова продемонстрировал более высокую согласованность с фактическими значениями по сравнению с методом наименьших квадратов.
В обоих случаях результаты подчеркнули важный компромисс: MALP выигрывал в согласованности, тогда как традиционный метод давал несколько меньшую среднюю ошибку.
Более широкое применение и следующие шаги
Авторы отмечают, что выбор метода зависит от цели проекта. Если минимизация средней ошибки является наиболее важной, классические методы все еще актуальны. Но если ключевым является полное соответствие прогноза реальности, MALP является лучшим выбором.
Выводы исследования, опубликованные в статье «Maximum Agreement Linear Predictors» на arXiv, могут иметь значительные последствия для инструментов прогнозирования в медицине, здравоохранении, экономике и инженерии.
Команда планирует развивать метод дальше. «Сейчас наши настройки находятся в классе линейных предикторов», — заключает Ким. «Мы хотим расширить это до общего класса... чтобы он стал Максимальным Предиктором Согласованности (MAP)».
