การเลือกกฎการให้คะแนนที่เหมาะสม

ทรัพยากรส่วนใหญ่เกี่ยวกับกฎการให้คะแนนที่เหมาะสมพูดถึงจำนวนของกฎการให้คะแนนที่แตกต่างกันเช่นการสูญเสียบันทึกคะแนน Brier หรือการให้คะแนนทรงกลม อย่างไรก็ตามพวกเขามักไม่ค่อยให้คำแนะนำเกี่ยวกับความแตกต่างระหว่างพวกเขามากนัก (จัดแสดง A: Wikipedia )

การเลือกแบบจำลองที่เพิ่มคะแนนลอการิทึมให้สอดคล้องกับการเลือกแบบจำลองความน่าจะเป็นสูงสุดซึ่งดูเหมือนจะเป็นข้อโต้แย้งที่ดีสำหรับการใช้การให้คะแนนแบบลอการิทึม มีเหตุผลที่คล้ายกันสำหรับการให้คะแนน Brier หรือทรงกลมหรือกฎการให้คะแนนอื่น ๆ ? ทำไมบางคนถึงใช้หนึ่งในคะแนนมากกว่าลอการิทึม?

ทำไมบางคนถึงใช้หนึ่งในคะแนนมากกว่าลอการิทึม?

ดังนั้นความนึกคิดเรามักจะแยกแยะความแตกต่างที่เหมาะสมรูปแบบจากการตัดสินใจ ในวิธีการแบบเบย์การให้คะแนนแบบจำลองและการเลือกควรกระทำโดยใช้โอกาสที่จะเกิดขึ้น จากนั้นคุณใช้แบบจำลองเพื่อทำการพยากรณ์ความน่าจะเป็นและฟังก์ชันการสูญเสียของคุณจะบอกวิธีการดำเนินการกับการทำนายเหล่านั้น

น่าเสียดายที่ในโลกแห่งความเป็นจริงประสิทธิภาพในการคำนวณมักจะเป็นตัวกำหนดว่าเราทำให้การเลือกแบบจำลองและการตัดสินใจเกิดขึ้น นี่คือสิ่งที่ผู้กระทำในการเลือกแบบคืบคลานเข้ามาเพราะคุณต้องเดาว่าความผิดพลาดประเภทใดที่คุณต้องเสียไป ตัวอย่างคลาสสิกคือการวินิจฉัยโรคมะเร็งการประเมินค่าความน่าจะเป็นของคนที่เป็นมะเร็งนั้นไม่ดี แต่การประเมินค่าต่ำไปนั้นเลวร้ายกว่ามาก

นอกจากนี้หากคุณกำลังมองหาแนวทางในการเลือกกฎการให้คะแนนคุณอาจต้องการคำแนะนำในการเลือกฟังก์ชั่นการสูญเสียหรือการออกแบบฟังก์ชั่นยูทิลิตี้เพราะฉันคิดว่าวรรณกรรมในสองหัวข้อนั้นมีมากมาย มากมาย