Probabilistisches Maschinelles Lernen

Assoz. Prof. Dr. Nikolaus Umlauf, Principal Investigator Mag. Johannes Seiler, PhD, Co-Investigator Univ.-Prof. Dr. Stefan Lang, Co-Investigator in collaboration with Dr. Kenneth Harttgen Dieses Projekt zielt darauf ab, die Probleme der Unterernahrung von Kindern in Landern mit niedrigem und mittlerem Einkommen durch probabilistisches maschinelles Lernen besser zu erklaren und zur Uberwachung der Ziele der nachhaltigen Entwicklung (Sustainable Development Goals, SGD) beizu- tragen, die auf der Konferenz der Vereinten Nationen uber nachhaltige Entwicklung in Rio de Janeiro 2012 vorgeschlagen wurden. Die neuere Literatur betont die hohe Heterogenitat sowohl auf nationaler als auch auf subnationaler Ebene und konzentriert sich auf die Identifizierung von Treibern der Unterernahrung mit flexiblen Re- gressionsmodellen. Obwohl die angewandten Methoden komplexe Modellierungsansatze beinhalten, reichen sie nicht aus, um alle wichtigen Wechselwirkungen zu berucksichtigen, d.h. bestimmte Faktoren bleiben unentdeckt, die einen wesentlichen Beitrag zur Gesamtsituation leisten konnten. Wir streben eine deutliche Verbesserung des Monitorings durch: (a) eine verbesserte Datenbasis und (b) die En- twicklung neuer Algorithmen fur Nicht-Standardinteraktionen, die in den Rahmen vollstandig probabilis- tischer Verteilungsregressionsmodelle eingebettet werden. Die neuen Algorithmen werden auf Ideen aus dem maschinellen Lernen basieren, wie z.B. Decision Trees (und Random Forests) und Algorithmen wie Stochastic Gradient Descent (SGD), die fur sehr große Datensatze geeignet sind. Die vorgestellten Methoden konnen fur eine Vielzahl von Anwendungen eingesetzt werden. Der Model- lierungsansatz konzentriert sich auf die Zerlegung in Haupteffekte und (moglicherweise) komplexe, aber interpretierbare Interaktionen. Die neuen Algorithmen sind ausserst speichereffizient (einschliesslich der Variablenauswahl) und konnen auf praktisch jede Anzahl von Beobachtungen auf einem herkommlichen Computer angewendet werden. Mit den bisher entwickelten Methoden ist es nicht moglich, so große probabilistische Modelle zu berechnen. Daher sind die Methoden auch fur andere Anwendungen, z.B. im Bereich der Meteorologie, Immobilienbewertung, Okologie, Medizin usw., sehr nutzlich. 1

Probabilistic Machine Learning Weltweit sind viele Millionen Kinder von Mangelernährung betroffen, besonders in Ländern mit begrenztem Zugang zu Gesundheitsversorgung, sauberem Wasser oder ausreichend Nahrung. Eine häufige Folge ist Anämie, also Blutarmut. Um das Ausmaß des Problems richtig zu verstehen und gezielt handeln zu können, braucht es verlässliche und aussagekräftige Daten. Im Rahmen unseres FWF-geförderten Forschungsprojekts haben wir einen völlig neuen statistischen Algorithmus entwickelt, mit dem sich komplexe Gesundheitsdaten auf ganz neue Weise auswerten lassen. Unser Verfahren ist in der Lage, gleichzeitig Millionen von Datenpunkten aus Gesundheitsumfragen, Satellitendaten, Klima- und Umweltinformationen sowie sozioökonomischen Variablen zu verarbeiten, und erkennt dabei automatisch, welche dieser Einflussgrößen tatsächlich relevant sind. Das Besondere: Unsere Modelle sagen nicht nur einen Durchschnittswert (z.B. das mittlere Anämierisiko) vorher, sondern liefern eine vollständige Verteilungsprognose. Das heißt: Für jede Region lässt sich nicht nur abschätzen, wie wahrscheinlich Anämie ist, sondern auch, wie groß die Unsicherheit dabei ist, oder wie hoch z.B. das Risiko für besonders starke Belastung ist. Damit lassen sich gezielt auch Regionen identifizieren, in denen die gesundheitliche Lage besonders unsicher oder instabil ist. Ein zentrales Ergebnis unseres Projekts ist die Erstellung hochauflösender Karten für über 50 Länder. Sie zeigen erstmals kleinräumig, oft bis auf Dorfebene, wie stark Kinder von Anämie betroffen sind. Besonders deutlich wurde: Die Unterschiede innerhalb einzelner Länder sind oft größer als zwischen den Ländern selbst. Diese Erkenntnisse helfen dabei, Hilfsmaßnahmen genauer und gerechter zu planen. Mit unserem neuen Algorithmus lassen sich Zusammenhänge nachvollziehbar erklären, etwa wie sich Armut, klimatische Extreme und mangelnde Gesundheitsinfrastruktur gegenseitig verstärken. Unsere Methoden sind offen verfügbar, wurden in führenden internationalen Fachzeitschriften veröffentlicht und stehen anderen Forschungsgruppen zur freien Nutzung zur Verfügung. Unser Projekt zeigt: Mit modernen statistischen Verfahren lassen sich versteckte Muster in großen Datenmengen sichtbar machen, und damit fundierte Grundlagen für bessere Entscheidungen schaffen.