Hiába lehetne a döntési alternatívák jövőbeli hatásait tetszőleges pontossággal előre jelezni, részcélok alapján helyes döntést akkor sem lehetne hozni. A helyes kategória ugyanis ez esetben még definiálatlan. Feltételezve azonban, hogy a cél egyértelműen adott, vagyis a döntések helyessége objektíven mérhető, felvetődik a kérdés, hogyan lehet ezek után az előrejelzések helyességét megítélni? Az előrejelzés célja a valóságot jellemző tényezők jövőbeli értékeinek oly módon történő megadása, hogy a tényleges és prognosztizált értékek közötti eltérés (hiba) minimális legyen. Tökéletes előrejelzés esetén tehát a hiba nulla lenne. Tökéletes előrejelzés azonban nincs, hiszen pl. mindig található egy új tényező, melynek hatását még nem vették figyelembe a prognózis megalkotásánál. Így azt kell feltételezni, hogy az az előrejelzés a jobb, amely esetén a hiba kisebb. Ha az eddigiek alapján adott probléma esetén két elorejelző módszer közül akarunk választani, akkor azt kell favorizálni, amely az ismert adatok alapján a kisebb hibaszint elérését biztosítja. Amennyiben a gyakorlatban mégis mindkét módszert alkalmazzuk, gyakran előfordul, hogy a hibaérték szerint rosszabbnak ítélt módszer hozza a jövőben a helyesebb eredményeket. A konklúzió nem lehet más, minthogy a hibaminimalizálásban, mint a döntési kritériumban megfogalmazott objektív cél - hasonlóan a döntéshozatal problematikájához - nem kellő árnyaltsággal került meghatározásra. Egy ideális hibadefiníciónak ugyanis az alábbi tulajdonságokkal kell rendelkeznie: ha az ismert esetekre számított hiba csökken, akkor az ismeretlen esetekre (jövőre, tesztadatokra) számított hibaszintnek is csökkennie kell. Csak az ily módon lefektetett hibadefiníció nyújthat biztosítékot arra, hogy az előrejelző módszerek közötti választás az alkalmazás szintjén is megállja a helyét. Ilyen hibadefiníciót azonban eddig még senkinek sem sikerült találnia, s feltehetően nem is létezik, hiszen ehhez eset-specifikusan, de legalább átlagosan tudni kellene, hogy mekkora hiba kell, hogy maradjon az előrejelzésben az ismert adatok alapján, hiszen ezek tökéletesen soha nem képesek jellemezni egy előrejelzendő jelenséget. Áthidaló megoldásként a következő hibadefiníció javasolható: feltételezve, hogy az ismert adatokat két csoportra (tanulás, teszt) osztjuk, legyen igaz, hogy a tanulásra felkínált adatcsoport alapján meghatározott ok-okozati szempontból védhető, előrejelző összefüggés mind a tanulásra, mind az eddig ismeretlennek számító teszt adatcsoportra azonos mértékű átlaghibát biztosít. Az így leszűkített megoldáshalmazon belül kell keresni a minimális hibaszintet, vagyis a hiba-optimumot. Ez a hibadefiníció egyrészt biztosítja a tanulás folyamán talált összefüggés maximális általánosíthatóságának, másrészt a szükséges mértékű specializációjának közelítését.
Nincsenek megjegyzések:
Megjegyzés küldése