Gracias por el A2A.
Mientras:
- la gente se preocupa por lo que depara el futuro ( para siempre ),
- los puntos de datos disponibles para predecir el aumento futuro ( para siempre ), y
- las herramientas y técnicas que tenemos a nuestra disposición para mejorar el poder predictivo continúan mejorando ( consulte el texto en cursiva en paréntesis anteriores ) …
… El modelado predictivo no va a todas partes.
- Para las selecciones de características, ¿cuál deberíamos preferir, PCA (basado en la matriz de correlación) para reducir la dimensión o Xgboost (basado en el árbol)?
- ¿Cuáles son las aplicaciones de los gráficos dispersos?
- Cómo entrenar un clasificador SVM a partir de ejemplos de texto
- ¿Cuál sería la mejor manera de encontrar estudiantes universitarios interesados en un proyecto de investigación sobre la interfaz entre bioinformática y aprendizaje automático, en Johns Hopkins?
- ¿Cuál es el algoritmo de búsqueda de patrones (o reconocimiento de patrones) más avanzado? ¿Como funciona?
Lo que realmente está cambiando es que los modelos predictivos duran más , porque el modelo predictivo asume fundamentalmente que el futuro será como el pasado. Y el marco de tiempo en el que esa suposición se mantiene en contracción.
Sin embargo, ¿resultado neto? Más trabajo de análisis predictivo.
Entonces no, no creo que el modelado predictivo sea una moda pasajera. Puede ser mucho más visible ahora, pero ha existido durante mucho tiempo, su atracción es duradera y veo poco para sugerir que las aplicaciones de modelado predictivo disminuirán.
***
Sin embargo, lo único que sí predigo (tos) sucederá es que el modelado predictivo puede convertirse en un producto básico . Los modelos en una caja pueden volverse cada vez más comunes de la misma manera que las interfaces WYSIWYG de arrastrar y soltar han suplantado una gran cantidad de desarrollo web desde cero.
Eso es realmente una cosa peligrosa. Citar:
La amplia disponibilidad de paquetes informáticos sofisticados ha puesto las bazookas matemáticas en manos de algunas personas que serían peligrosas con un ábaco. El resultado ha sido un número inquietante de estudios que contienen todo menos sentido común, realizados por individuos que no conocen los supuestos subyacentes de los modelos que están utilizando, y mucho menos si son relevantes para el problema en cuestión.
– Arnold Barnett, Sloan School of Management, MIT
Por lo tanto, el trabajo del modelador predictivo podría pasar de ser el constructor de modelos predictivos desde cero, al usuario o arquitecto que aplica los modelos correctos adecuados para la tarea en cuestión.
