Wasserstein BaryBooster convierte el realismo de la difusión en precisión al predecir eventos

Muchos modelos saben predecir qué pasará con un cliente de un banco, un paciente o un pedido en los próximos pasos. Casi nadie había intentado comprobar que esas predicciones se parezcan a la vida real y no se limiten a acertar con la media. Los autores de un nuevo trabajo de Hugging Face Daily Papers cubren ese hueco: crearon un benchmark para la predicción multipaso de secuencias de eventos y demostraron que la precisión y el realismo de la distribución empujan a los modelos en direcciones opuestas. Después propusieron el algoritmo Wasserstein BaryBooster, que concilia en parte ambos objetivos.

Por qué una secuencia de eventos es un caso aparte

Una secuencia de eventos es una cadena de sucesos aleatorios, cada uno descrito por un conjunto de rasgos heterogéneos: numéricos (el importe de un pago, el tiempo entre eventos) y categóricos (tipo de operación, diagnóstico, estado del pedido). Estos datos aparecen en finanzas, sanidad, análisis de procesos de negocio y otros ámbitos. Los métodos clásicos de predicción de series temporales los manejan mal: no basta con predecir un número, hay que predecir una trayectoria completa con tipos de datos mixtos.

Los autores plantean la tarea como modelado generativo condicional. El modelo recibe un historial y debe generar una continuación verosímil de varios pasos. Este planteamiento cambia también los criterios de evaluación: no basta con que la predicción se acerque al hecho real, además el conjunto de trayectorias generadas tiene que parecerse a los datos auténticos.

Un benchmark en el que pierden todos

El benchmark incluye:

• métricas para dos aspectos de la calidad: la precisión de la predicción y el realismo de la distribución;
• baselines estadísticos sólidos;
• modelos recientes adaptados de áreas cercanas;
• datasets reales seleccionados.

Tras una evaluación cuidadosa, el panorama resulta incómodo: ningún método logra el mejor resultado a la vez en ambos frentes. Los modelos cuyas trayectorias parecen más naturales pierden en precisión. Los que se acercan de forma consistente al valor real producen secuencias demasiado «suavizadas», que no se parecen a las reales. Los autores lo llaman un compromiso fundamental.

La causa se entiende de forma intuitiva. Para minimizar el error conviene predecir algo promedio. Pero el promedio de eventos aleatorios rara vez coincide con lo que realmente aparece en los datos. Un modelo generativo, en cambio, reproduce con honestidad la dispersión, y por eso cada trayectoria concreta puede fallar.

BaryBooster: el realismo viene de la difusión y la precisión, de la agregación

En este contexto, los autores presentan Wasserstein BaryBooster. La idea consiste en tomar un modelo de difusión con un alto nivel de realismo, generar con él un conjunto de muestras y agregarlas en una única predicción. El nombre alude al baricentro de Wasserstein, una forma de promediar distribuciones en la geometría del transporte óptimo. La agregación tiene en cuenta la forma de la distribución y no se limita a calcular la media aritmética.

Según los autores, el predictor resultante alcanza el nivel de state-of-the-art en precisión. Esto indica que el realismo de la distribución se puede convertir en precisión si las muestras se combinan bien en la respuesta final. El compromiso sigue ahí, pero aparece una vía práctica para sacar partido de la parte generativa.

Qué deben hacer los profesionales

El código del benchmark y del algoritmo está publicado en GitHub, en el repositorio xaosina/event-sequence-forecasting. Los equipos que predicen transacciones, recorridos de clientes, eventos clínicos o pasos de procesos de negocio deberían pasar sus modelos por las métricas propuestas. Si la evaluación se basa solo en el error de predicción, existe el riesgo de acabar con un modelo que genera, sin que nadie lo note, trayectorias poco realistas. Para simulaciones, pruebas de estrés y datos sintéticos, esto es crítico.

La segunda conclusión práctica afecta a la arquitectura. Un modelo de difusión como generador de muestras, más una capa de agregación independiente, permite ajustar el equilibrio entre realismo y precisión según la tarea. Para el scoring pesa más la precisión; para la generación de escenarios y las simulaciones, el realismo. Por primera vez, el benchmark permite medir ambos parámetros sobre los mismos datos.