模型比较与校准评估：机器学习与精算实务中一致性评分函数用户指南

精算师与数据科学家的主要任务之一是为某些现象（如保险中的索赔额或索赔次数）建立良好的预测模型。这些模型理想情况下应利用给定的特征信息来提高预测准确性。本用户指南重温并阐明了用于评估模型校准或充分性的统计技术，以及用于比较和排序不同模型的技术。在此过程中，它强调了事先明确指定当前预测目标泛函（例如均值或分位数）以及在与该目标泛函一致的模型比较中选择评分函数的重要性。文中提供了评分函数实际选择的指导。为努力弥合科学与日常应用实务之间的鸿沟，它主要侧重于对现有结果与最佳实践的教学式呈现。结果由关于工伤赔偿和客户流失的两个真实数据案例研究加以伴随和说明。