一篇新的研究论文提出，应通过博弈论概率的视角来审视机器学习评估指标。作者们证明，许多常用指标可以被理解为公平赌博的平均结果，在这种情况下，公平赌徒预期会输给预测者。该框架有助于将指标分为校准型和后悔型，揭示了在适当缩放的情况下，它们在评估能力上存在理论上的等价性，尽管它们的得分不可比较。 AI
影响 提供了一个理解和比较机器学习评估指标的新颖理论框架。
排序理由 关于机器学习评估指标的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
新框架将机器学习评估指标视为公平赌博
报道来源 [1]
-
Evaluation Metrics as Averaged Outcomes of Fair Gambles
arXiv:2401.14483v4 Announce Type: replace-cross Abstract: In the current practices of machine learning, the evaluation of forecasts has become a cornerstone of scientific progress. A multitude of evaluation metrics have been suggested and used to qualify "good" forecasts. What do…