你的模型是在预测过去吗？

机器学习模型何时预测个体的未来，何时复述早于个体的模式？在这项工作中，我们提出这两种预测路径之间的区分，并辅以理论、经验和规范性论证。我们提案的核心是一族简单高效的统计检验，称为后向基线（backward baselines），用以揭示一个模型是否在何种程度上复述过去。我们的统计理论为解释后向基线提供了指导，建立了不同基线与熟悉统计概念之间的等价关系。具体而言，我们推导出一种有意义的后向基线，用于在仅给定背景变量和系统预测的情况下，将预测系统作为黑箱进行审计。在经验上，我们在源自纵向面板调查的不同预测任务上评估了该框架，展示了将后向基线纳入机器学习实践中的简便性与有效性。