Raziskovalna ekipa z univerz Harvard, Columbia in Princeton je razvila nov način za ocenjevanje modelov, ki napovedujejo večje količine podatkov. Z njegovo uporabo bi lahko bolje predvideli rezultate v medicini, politiki in drugih vedah.

Denimo, da želimo napovedati verjetnost, s katero posameznica dobi raka na dojki. Verjetnost za to bolezen je povezana z njeno starostjo, s pitjem alkohola ter mutacijami na genih BRCA1 in BRCA2. Kateri od teh dejavnikov pa je najpomembnejši? Na to vprašanje so poskušali odgovoriti v objavljenem članku.

Klasične metode napovedovanja vključujejo izbiro spremenljivk glede na njihovo statistično pomembnost in njihov preizkus na testnih podatkih. V prejšnjih študijah so raziskovalci pokazali, da statistično pomembne spremenljivke ne napovedujejo dobro. Prav tako pa so ugotovili, da se spremenljivke z dobro napovedno močjo ne pojavijo nujno kot statistično pomembne. To je postavilo pomembno vprašanje, kako najti spremenljivke, ki so zanesljive pri predvidevanju.

Da bi zmanjšali pomanjkljivosti klasičnih metod, so za rešitev raziskovalci predlagali novo mero, ki bolje ocenjuje, kako zanesljiva je spremenljivka pri predvidevanju. Novo metodo so imenovali ocena vpliva ali I-ocena.

Ugotovili so, da je I-ocena učinkovita pri razlikovanju napovednih spremenljivk in lahko bistveno izboljša oceno predvidevanja. Raziskovalna ekipa je novo metodo uporabila pri predvidevanju vrnitve raka na dojki. Točnost nove metode je predvidevanje pojava raka na dojki dvignila s 70 procentov na 92.

Na natančno predvidene rezultate upa vajenec Jon.