Messung der Datenausreichung

Das Problem der Bestimmung der Datenausreichung ist ein wiederkehrendes Thema. Eine oft zitierte Antwort auf das Problem lautet: „Es gibt keine Daten, wie mehr Daten“ (Pieraccini (Es gibt keine Daten wie mehr Daten, in ‚The Voice in the Machine: Building Computers That Understand Speech‘, The MIT Press, 2012)). Tatsächlich ist die Erhöhung der Stichprobengröße definitiv eine garantierte Möglichkeit, die Wahrscheinlichkeit zu erhöhen, ein gutes Modell zu erstellen. Allerdings kann die Datenerfassung kostspielig sein, die Aufgabe kann zeitkritisch sein, oder es sind einfach keine weiteren Daten verfügbar. Zum Beispiel gab es während der COVID19-Pandemie eine Diskussion zwischen einem der Impfstoffanbieter und der US-Regierung, ob die Stichprobengröße der getesteten Probanden groß genug war, um eine Zulassung zu rechtfertigen. („FDA-Berater diskutieren Standards für einen Coronavirus-Impfstoff für junge Kinder“, Washington Post, 10. Juni 2021.) Hier war die Aufgabe zeitkritisch, die Datenerfassung war kostspielig und darüber hinaus waren die Einsätze hoch. Dieses Kapitel diskutiert eine Methode zur Schätzung der Datenausreichung basierend auf den Informationsmetriken früher in diesem Buch. Die Methode zeigt deutlich, wann genügend Daten vorhanden sind und zeigt auch deutlich, wann nicht genug Proben vorhanden sind. Es kann mehrdeutig sein, wenn es genug Daten geben könnte oder nicht. Am wichtigsten ist, dass es ohne den Aufbau eines Modells funktioniert.