Prediktiva modeller

För att förutsäga hur något sannolikt kommer att agera i framtiden utvinner forskningen relevant information ur stora datamängder som sedan analyseras och används för att bygga prediktiva modeller genom maskininlärning. Modellens komplexitet avgör förutsägelsens förmåga. Prediktiva modeller tillämpas bland annat för att förutsäga patienter som riskerar att drabbas av hjärtinfarkt eller stödjer planering och beslut om underhåll av fordon.

Tolkningsbar maskininlärning 

Forskning om maskininlärning avser automatisk inlärning av prediktiva modeller. Beroende på metod resulterar inlärningen i mer eller mindre tolkningsbara modeller. Syftet kan vara att förstå invecklade samband som gäller för hela modellen eller enbart anledningen till att modellen gör en specifik förutsägelse för att, till exempel hjälpa läkare att förstå varför en enskild patient klassificeras som sjuk.

Tidsserieanalys

För automatiserad detektering av avvikelser som förutsäger vad som kan hända i framtiden observeras en serie datapunkter över tid och analyseras. Syftet är att extrahera karakteristiska drag hos stora mängder data baserade på historiska händelser. Med hjälp av en matematisk modell eller andra tidsserier kan framtida värden förutsägas, exempelvis hur nätverkstrafik eller aktievärden kommer att utvecklas.

Klicka på länken för att läsa mer på engelska om Data Science.