No es que esté particularmente de acuerdo con lo que sigue. De hecho, siempre he abogado por la actualización metodológica y puedo enseñar las cicatrices que me dejó algún enfrentamiento por estos motivos en mis años bravos. En estas páginas he escrito mucho, además, sobre qué tipo de señales y relaciones pueden detectar los métodos modernos que los tradicionales ignoran. Pero no está de más exponerse de vez en cuando a los argumentos contrarios, que más de una vez encierran un grano de verdad.
En esta ocasión, extraigo de un artículo que es retrospectivo además de viejo, 50 Years of Data Science, un argumento empírico contra los métodos de clasificación binarios glamurosos (boosting, RRFF, etc.), que es una colección de referencias a terceros artículos:
- Hand (2006) demostró que los avances en métodos de clasificación han sido exagerados y que en muchos casos, mejoran muy poco los resultados de métodos clásicos, como el análisis discriminante lineal.
- Artículos como este o este consideran modelos de tipo «más-o-menos», donde el coeficiente de las distintas variables solo puede ser ±1, y muestran cómo pueden resultar competitivos frente a otras técnicas más sofisticadas en algunas aplicaciones.
El autor sostiene, además, que estos métodos salen bien parados en la literatura por la selección estratégica de los conjuntos de datos con los que se elige ilustrar su uso; pero que su ventaja se reduce cuando se eligen conjuntos de datos al azar.
La retroestadística solo me interesa en mi vertiente de coleccionista de trastos inútiles. No defendería jamás una pérdida de eficiencia por la satisfacción de usar un método clásico o hipersencillo, sobre todo cuando el beneficio computacional es mínimo. Pero si no estuviese dispuesto a transar cierto grado de eficiencia por otras ventajas, no hablaría aquí nunca de estadística bayesiana ni me habría tomado la molestia de mencionar los árboles frugales hace diez años.