Kohdemuuttujan

Kohdemuuttujan tarkoitetaan tilastotieteessä ja koneoppimisessa muuttujaa, jota pyritään ennustamaan tai selittämään. Se tunnetaan yleisesti riippuvaisena muuttujana tai tavoitemuuttujana. Kohdemuuttuja määrittelee mallin tavoitteet: sen arvo riippuu sisääntulomuuttujien eli piirteiden yhteenlaskemisesta tai muista mallin operaatioista.

Kohdemuuttuja erotetaan yleensä selittäjistä (sisääntulomuuttujista, features) siinä mielessä, että ne toimivat ennustamisen kohteena. Tällöin malli oppii liittämään piirteiden arvot ja kohdemuuttujan vaihtelun välisen suhteen. Kohdemuuttuja voi olla jatkuva (esimerkiksi hinta tai lämpötila) tai kategorinen (esimerkiksi luokka: kyllä/ei, kunto: terve/sairas).

Käytännössä kohdemuuttujaan liittyvät valinnat vaikuttavat siihen, millaisia menetelmiä ja arviointitapoja käytetään. Jos kohdemuuttuja on jatkuva, sovelletaan usein regressi-tekniikoita ja mittareita kuten RMSE tai MAE. Jos se on kategorinen, käytetään luokittelua ja mittareita kuten tarkkuus, F1-arvo tai ROC-AUC. Datan valmistelussa huomioidaan puuttuvat arvot sekä mahdollinen luokkapainotus tai virhearvioiden vaikutus.

Esimerkkejä kohdemuuttujista ovat asunnon hinta, asiakkaan poistumisen todennäköisyys tai sairauden esiintyminen. Kohdemuuttujan ymmärrys on keskeistä sekä suunniteltaessa datankeruuta että tulosten tulkintaa ja käyttöönottoa.

Lopuksi kohdemuuttujan valinta ja määrittely vaikuttavat tutkimuksen suunnitteluun, mittausmenetelmiin ja eettisiin näkökohtiin sekä mallin sovellettavuuteen käytännössä.