“`html
Şemsiyenizi almalı mısınız? Kapıdan çıkmadan önce hava tahminini kontrol etmek faydalı olabilir, ancak bu tahminin doğru olması da gerekir.
Uzamsal tahmin sorunları, hava durumu tahmini veya hava kirliliği tahmini gibi, belirli bir bölgede bilinen değerler üzerinden yeni bir konumdaki bir değişkenin değerini tahmin etmeyi içerir. Bilim insanları genellikle bu tahminlerin ne kadar güvenilir olduğunu değerlendirmek için standart doğrulama yöntemleri kullanır.
Ancak MIT araştırmacıları, bu popüler doğrulama yöntemlerinin uzamsal tahmin görevlerinde oldukça kötü sonuçlar verebileceğini göstermiştir. Bu durum, bir tahminin doğru olduğuna veya yeni bir tahmin yönteminin etkili olduğuna dair yanıltıcı bir izlenim yaratabilir.
Yenilikçi Bir Yaklaşım
Araştırmacılar, tahmin-doğrulama yöntemlerini değerlendirmek için bir teknik geliştirdi ve bu tekniği kullanarak iki klasik yöntemin uzamsal sorunlarda önemli derecede yanlış olabileceğini kanıtladı. Bunun ardından bu yöntemlerin neden başarısız olabileceğini anlamaya çalıştılar ve uzamsal tahminler için uygun verilerle başa çıkacak yeni bir yöntem yarattılar.
Gerçek ve simüle edilmiş verilerle yapılan deneylerde, yeni yöntemleri en yaygın iki teknikten daha doğru sonuçlar verdi. Araştırmacılar, Chicago O’Hare Havalimanı’ndaki rüzgar hızını tahmin etmek ve ABD’deki beş metro noktasında hava sıcaklığını tahmin etmek gibi gerçekçi uzamsal problemleri değerlendirdiler.
Doğru Değerlendirmeler İçin Yeni Yöntemler
Bu doğrulama yöntemi, iklim bilimcilerin deniz yüzeyi sıcaklıklarını tahmin etmesine veya epidemiyologların hava kirliliğinin belirli hastalıklar üzerindeki etkilerini tahmin etmesine yardımcı olabilecek birçok probleme uygulanabilir.
“Umarım bu, yeni tahmin yöntemleri geliştirirken daha güvenilir değerlendirmeler yapılmasını sağlar ve yöntemlerin ne kadar iyi çalıştığına dair daha iyi bir anlayış kazandırır,” diyor Tamara Broderick, MIT Elektrik Mühendisliği ve Bilgisayar Bilimleri Departmanı’nda doçent. Ayrıca Bilgi ve Karar Sistemleri Laboratuvarı, Veri, Sistemler ve Toplum Enstitüsü ile Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’nın (CSAIL) bir üyesidir.
Geleneksel Yöntemlerin Sınırları
Broderick ve ekibi, okyanus bilimcileri ve atmosfer bilimcileriyle yapılan iş birliği sayesinde, uzamsal bileşene sahip problemler için makine öğrenimi tahmin modelleri geliştirmeye çalıştılar. Bu süreçte, geleneksel doğrulama yöntemlerinin uzamsal ortamlarda doğru olmayabileceğini gözlemlediler.
Geleneksel yöntemler, doğrulama verisi olarak adlandırılan bir küçük miktar eğitim verisini ayrıştırır ve bu veriyi tahminin doğruluğunu değerlendirmek için kullanır. Araştırmacılar, bu yöntemlerin neden başarısız olduğunu araştırarak, doğrulama verisi ile test verisinin (tahmin edilmek istenen veri) ilişkisi hakkında yanlış varsayımlarda bulunduklarını belirlediler.
Geleneksel yöntemler, doğrulama verisi ile test verisinin bağımsız ve benzer dağılıma sahip olduğunu varsayar, bu da herhangi bir veri noktasının değerinin diğer veri noktalarına bağlı olmadığı anlamına gelir. Ancak uzamsal uygulamalarda bu durum çoğunlukla geçerli değildir.
Yeni varsayımlar geliştirerek uzamsal bağlamda değerlendirme yapmayı kolaylaştıran bir yöntem tasarladılar. Örneğin, hava kirliliği seviyelerinin iki komşu ev arasında dramatik bir değişim göstermesi pek olası değildir.
Araştırmacılar, doğrulama tekniğini kullanabilmek için tahmincilerin tahminlerini, tahmin etmek istedikleri konumları ve doğrulama verilerini girmeleri gerektiğini ve sistemin gerisini otomatik olarak hallettiğini açıkladılar. Ancak, doğrulama tekniklerini değerlendirmek oldukça zorlayıcı olmuştur.
Gelecek projelerde, araştırmacılar bu teknikleri uzamsal bağlamda belirsizlik ölçümünü iyileştirmek için uygulamayı planlıyorlar. Ayrıca, düzenlilik bilgisinin diğer alanlarda, örneğin zaman serisi verileri ile tahminleri iyileştirme potansiyelini araştıracaklar.
Bu araştırma, kısmen Ulusal Bilim Vakfı ve Donanma Araştırma Ofisi tarafından desteklenmektedir.
“`
