prediktioita

Prediktioita ovat tulevien ilmiöiden mahdollisten tulosten arvioita, jotka tehdään nykyisen datan ja tilastollisten tai koneoppimismallien pohjalta. Käytännössä prediktioita voidaan pitää sekä yksittäisinä arvoina (pisteennusteita) että todennäköisyyksiin tai jakaumiin perustuvina ennusteina. Sillä on käyttöä monilla aloilla: sääennusteissa, taloudellisissa arvoissa, terveydenhuollossa, liiketoiminnassa ja tutkimuksessa.

Taloudessa ja tilastotieteessä erotetaan usein pisteprediktio ja probabilistinen prediktio. Pisteennuste pyrkii arvaamaan yhden parhaan arvon, kun taas probabilistinen ennuste antaa koko jakauman tai todennäköisyyydet eri tulosvaihtoehille. Epävarmuuden kuvaamiseen käytetään luottamusvälejä, prediktiojakaumia ja erilaisia puskureita. Mallien rakentamisessa sovelletaan tilastollisia malleja, koneoppimista, aikasarja-analyyseja ja Bayesin menetelmiä.

Ennusteiden arviointi tapahtuu erottamalla opetusaineisto testausdataan sekä käyttämällä mittareita kuten RMSE (neliöllinen keskivirhe), MAE (keskivirhe) sekä luotettavuuden mittareita kuten Brier-arviointi tai CRPS-arvio. Toimivuus paranee, kun malli ei ylikouluteta ja virheitä testataan ulkopuolisella aineistolla. Sillä on tärkeää, että prediktioita kommunikoidaan selkeästi ja, jos mahdollista, epävarmuus esitetään mielekkäästi.

Esimerkkejä prediktioiden käytöstä ovat sääennusteet, joissa nykyinen mittausdata ja mallit lasketaan todennäköisyydet sään muutoksille; taloudessa kysynnän ja hintojen ennustaminen sekä riskien hallinta; terveydessä potilaiden riskien arviointi ja hoitostrategioiden suunnittelu; teollisuudessa kunnossapidon suunnittelu ja tuotantoprosessien optimointi.