均值连续 ranked 概率得分的分解
统计方法学
2023-11-27 v1
摘要
连续ranked概率得分（crps）是评估实值结果概率预测中最常用的评分规则。为评估和排序预测方法，研究者基于相应的预测分布和结果，在给定预测情境集合上计算均值crps。我们提出了一种新的、基于保序性的均值crps分解，将其分解为可解释的组件，分别量化误校准（MSC）、判别能力（DSC）和不确定性（UNC）。在详细的理论分析中，我们将新方法与早先提出的经验分解进行比较，推广到总体版本，分析其性质与关系，并关联到校准概念的层次结构。基于保序性的分解保证了组件的非负性，并在比其他类型分解更强的意义上量化校准，以经验分解的非退化性为条件。我们在来自天气预测和机器学习的案例研究中说明了基于保序性分解的用法。
引用
@article{arxiv.2311.14122,
title = {Decompositions of the mean continuous ranked probability score},
author = {Sebastian Arnold and Eva-Maria Walz and Johanna Ziegel and Tilmann Gneiting},
journal= {arXiv preprint arXiv:2311.14122},
year = {2023}
}