重新校准流行病的概率预测
机器学习
2023-01-11 v1
摘要
分布预测对于包括流行病预测在内的广泛应用十分重要。通常，预测存在误校准，即对未来事件赋予不确定性的可靠性不足。我们提出了一种重新校准方法，可应用于给定回顾性预测与观测值的黑盒预测器，并给出了一种扩展使该方法在重新校准流行病预测时更为有效。该方法在样本内训练与度量时，保证改善校准与对数得分性能。我们还证明了重新校准预测器的期望对数得分增量等于 PIT 分布的熵。我们将该重新校准方法应用于 FluSight 网络中的 27 个流感预测器，表明重新校准可靠地改善了预测精度与校准。该方法作为一种后处理工具来改善流行病预测，有效、稳健且易于使用。
引用
@article{arxiv.2112.06305,
title = {Recalibrating probabilistic forecasts of epidemics},
author = {Aaron Rumack and Ryan J. Tibshirani and Roni Rosenfeld},
journal= {arXiv preprint arXiv:2112.06305},
year = {2023}
}