Ein Gesundheitsdienstleister hat ein Modell anhand historischer Patientendaten (Krankengeschichte, demografische Daten, Behandlungen) trainiert, um Echtzeitvorhersagen des 30-Tage-Wiederaufnahmerisikos nach der Entlassung zu liefern. Welche Aktivität beschreibt die Modellinferenz in diesem Szenario am besten?

Modellinferenz ist der Prozess, bei dem ein bereits trainiertes Modell verwendet wird, um Vorhersagen oder Entscheidungen auf neuen, unsichtbaren Daten zu treffen. Im Kontext des Gesundheitsdienstleisters bedeutet dies, das trainierte Modell auf die Daten eines neuen Patienten anzuwenden, um dessen 30-Tage-Wiederaufnahmerisiko nach der Entlassung vorherzusagen. Das Sammeln historischer Daten ist Teil der Datenerfassung für das Training, nicht der Inferenz. Die Bewertung der Modellleistung erfolgt nach dem Training und vor der Bereitstellung, um die Qualität des Modells zu beurteilen. Die Analyse von Daten zur Mustererkennung ist Teil der explorativen Datenanalyse oder des Feature-Engineerings während der Modellentwicklung. Nur die Anwendung des fertigen Modells zur Generierung von Vorhersagen stellt die Inferenz dar.