La estimación de máxima verosimilitud dirigida (TMLE) le ayuda a explicar patrones en los que otras técnicas no son suficientes
Las redes neuronales pueden detectar patrones, correlaciones y tendencias con una precisión asombrosa. Pero cuando se trata de responder “¿Por qué sucedió esto?” Están tan despistados como un loro que imita el habla humana.
Seguro que te darán predicciones, pero intenta pedirles una explicación y te quedarás mirando una caja negra.
Esta limitación no es exclusiva de las redes neuronales. Métodos basados en correlación como la regresión lineal e incluso herramientas avanzadas como Emparejamiento de puntuación de propensión No podemos llegar al núcleo de las tendencias basadas en la causalidad en datos complejos. Esto es un problema cuando quienes toman decisiones (léase: sus gerentes) exigen información empresarial procesable y no estadísticas geek que sólo hacen felices a los nerds.
A riesgo de contradecirme, he aquí un tema muy geek para usted: Estimación de máxima verosimilitud dirigida (TMLE). La cuestión es que TMLE es lo mejor de ambos mundos. Le permite jugar con números tanto como su cerebro nerd desee, pero también hace felices a sus gerentes al producir información empresarial.
Básicamente, obtienes el rigor de la inferencia causal más la flexibilidad del aprendizaje automático. Esto…