적절한 채점 규칙 중에서 선택

적절한 점수 규칙에 대한 대부분의 리소스에는 로그 손실, 브리 어 점수 또는 구면 점수와 같은 여러 가지 점수 규칙이 언급되어 있습니다. 그러나 그들은 종종 그들 사이의 차이점에 대해 많은 지침을 제공하지 않습니다. (A 전시회 : Wikipedia )

로그 점수를 최대화하는 모델을 선택하는 것은 최대 가능성 모델을 선택하는 것과 일치하며, 이는 로그 스코어링을 사용하기위한 좋은 논거처럼 보입니다. 브리 어 또는 구면 채점 또는 기타 채점 규칙에 대해 비슷한 근거가 있습니까? 왜 누군가가 대수 점수가 아닌 이들 중 하나를 사용합니까?

왜 누군가가 대수 점수가 아닌 이들 중 하나를 사용합니까?

따라서 이상적으로 는 모델 을 피팅하는 것이 결정을 내리는 것과 항상 구별 됩니다. 베이지안 방법론에서 모델 점수 및 선택은 항상 한계 우도를 사용하여 수행해야합니다 . 그런 다음 모델을 사용하여 확률 적 예측을 수행하고 손실 함수는 해당 예측에 대한 조치 방법을 알려줍니다.

불행하게도 실제 세계에서 계산 성능은 종종 모델 선택과 의사 결정을 혼동하여 손실 함수를 사용하여 모델에 맞도록 지시합니다. 모델 선택의 주관성이 등장하는 곳입니다. 왜냐하면 다른 종류의 실수로 인해 비용이 얼마나 드는지 짐작할 수 있기 때문입니다. 전형적인 예는 암 진단입니다. 누군가의 암 확률을 과대 평가하는 것은 좋지 않지만 과소 평가하는 것은 훨씬 나쁩니다.

또한 점수 규칙을 선택하는 방법에 대한 지침을 찾고 있다면 손실 함수 선택 또는 유틸리티 기능 설계에 대한 지침을 찾고 싶을 수도 있습니다. 더 방대한.