超越预测领袖榜单：基于集成准确性贡献度衡量 individual model importance
统计方法学
2026-01-12 v3
摘要
集成预测常常超过来自单个独立模型的预测，已被用于支持决策和政策规划等多个领域。随着协作性预测努力创建有效集成的增长，对理解 individual model 在集成中相对重要性的兴趣也随之增长。为此，我们提出了两种实用方法来衡量给定模型是否包含在集成中或不包含在集成中时的集成性能差异：一种是 leave-one-model-out 算法，另一种是基于 Shapley 值设计的 leave-all-subsets-of-models-out 算法。我们通过分析和仿真研究探讨了这些指标、预测准确性和误差相似性之间的关系。我们使用美国新冠死亡概率预测展示了在其他模型的存在下，单个组成模型为集成添加的价值衡量方法。该研究为集成中 individual model 的独特特征提供了有价值的见解，而仅凭标准准确性指标无法揭示这些特征。
引用
@article{arxiv.2412.08916,
title = {Beyond forecast leaderboards: Measuring individual model importance based on contribution to ensemble accuracy},
author = {Minsu Kim and Evan L. Ray and Nicholas G. Reich},
journal= {arXiv preprint arXiv:2412.08916},
year = {2026}
}
备注
main text with supplementary material