有意义精度与准确性的表征

精度和准确性的概念是依赖于具体领域和问题的。统计学习、许多类型机器学习以及二进制或多类分类问题中使用的简化数值硬精度和软精度 measures 已被证明在理解模型的有意义性或其相关性方面有限。它们既不是模式，也不是证明。此外，在认知领域中，没有好的measures或表征用于这些概念。本研究反思了关键问题，并提出了一个在极简化的普遍粗框架中实现的组合知识表征方法，以解决这些问题情境。该方法足够通用，以涵盖大多数应用情境，并且可能在计算工具日益完善的条件下得到应用。