Обсуждение:Правило подсчета очков

	Эта статья находится в рамках WikiProject Robotics , совместных усилий по улучшению освещения Robotics в Wikipedia. Если вы хотите принять участие, посетите страницу проекта, где вы можете присоединиться к обсуждению и увидеть список открытых задач.Робототехника Википедия: WikiProject Робототехника Шаблон: WikiProject Робототехника Робототехника
???	Данная статья пока не получила рейтинга по шкале важности проекта .

Теория игр

	This article is part of WikiProject Game theory, an attempt to improve, grow, and standardize Wikipedia's articles related to Game theory. We need your help! Join in \| Fix a red link \| Add content \| Weigh inGame theoryWikipedia:WikiProject Game theoryTemplate:WikiProject Game theorygame theory
???	This article has not yet received a rating on the importance scale.

Statistics Low‑importance

	This article is within the scope of WikiProject Statistics, a collaborative effort to improve the coverage of statistics on Wikipedia. If you would like to participate, please visit the project page, where you can join the discussion and see a list of open tasks.StatisticsWikipedia:WikiProject StatisticsTemplate:WikiProject StatisticsStatistics
Low	This article has been rated as Low-importance on the importance scale.

Без названия

PurpleMage ( обсуждение ) 03:13, 16 ноября 2010 (UTC)Бинарный вариант правила подсчета решений U(x,q) не подходит для многоклассового подсчета. Я бы хотел лучше интегрировать нотацию бинарных и многоклассовых правил подсчета, поскольку разделение не должно быть таким резким. PurpleMage ( обсуждение ) 03:13, 16 ноября 2010 (UTC) [ ответить ]

Введение в это должно объяснить использование не только в терминах человеческого прогнозирования, но и в терминах калибровки классификатора шаблонов. Эта статья сложная, поскольку p, которая является нашей оптимальной вероятностью, называется «личным вероятностным убеждением прогнозиста» для прогнозирования, что не имеет смысла для машинного алгоритма, от которого мы все еще хотим честности. PurpleMage ( обсуждение ) 05:04, 16 ноября 2010 (UTC) [ ответить ]

Да! Если так, то следует провести сравнение с теорией оценки, например, с теорией максимального правдоподобия. Также следует включить некоторые доказательства. Kjetil Halvorsen 05:43, 2 августа 2011 (UTC) — Предыдущий неподписанный комментарий добавлен Kjetil1001 ( обсуждение • вклад )

Согласен. Также, доказательство, специально показывающее, что правило является правильным, было бы хорошим доказательством для добавления. 199.46.199.232 ( talk ) 01:21, 5 марта 2012 (UTC) [ ответить ]

Можно ли написать вводный раздел статьи таким образом, чтобы его могли понять обычные люди (в отличие от математиков)? Только третья фраза содержит по крайней мере три нетривиальных понятия, с которыми читатель должен быть знаком, чтобы понять только это одно предложение, не говоря уже об остальной части ввода. В том же предложении дополнительно (!) упоминается, что вероятности всех возможных результатов должны быть в сумме равны единице. Учитывая, что человек знает, что такое вероятность, как упоминание того факта, что сумма = 1, помогает добавить что-либо полезное для того, чтобы читатель понял тему предмета? Если человек не знает, что такое вероятности, то как это поможет? посмотрите, каким должен быть вводный раздел . Я утверждаю, что вводный раздел уже непроницаем для обычных людей, и после этого читатель тонет в математике без дополнительных дополнений. Как и во многих других статьях, связанных с наукой, целевая аудитория этой статьи, по-видимому, математики AFAICS. Я утверждаю, что это не цель Википедии. Математики имеют свою собственную издательскую вселенную, которая служит им справочной информацией. Основная цель Википедии — широкая публика , и поэтому ее цель должна быть максимально возможной (!) в том, чтобы позволить широкой публике понять написанное. Я знаю, что критикую, не улучшая статью. Думаю, я бы так и сделал, если бы чувствовал себя компетентным. Спасибо TomasPospisek ( обсуждение ) 21:56, 24 мая 2020 (UTC) [ ответить ]

Прошло более трех лет, а заявление Томаша Посписека все еще актуально. Эта статья непонятна людям, которые не имеют глубокого понимания статистики, и так быть не должно, и не имеет смысла так продолжать.

Далее остается странный остаточный текст: «Плохо откалиброванный прогнозист может быть поощрен к лучшей работе с помощью бонусной системы. Бонусная система, разработанная на основе правильного правила подсчета очков, будет стимулировать прогнозиста сообщать вероятности, равные его личным убеждениям ». Это утверждение о психологии мотивации (синоптиков), которое, скорее всего, совершенно неверно, и к которому статья (Bickel, EJ (2007)), цитируемая в качестве поддержки, на самом деле не имеет отношения. Учитывая тему статьи, эти два предложения не содержат ничего полезного о прогнозировании или правилах подсчета очков и должны быть удалены. Этот текст появился давно, когда окружающий текст был другим, и хотя тогда он тоже не был полезен, он имел немного больше смысла. 38.147.235.238 (обсуждение) 22:07, 19 августа 2023 (UTC) [ ответить ]

Что такое схема прогнозирования?

Этот термин используется в разделе определений без пояснений. — Чарльз Стюарт (обс.) 13:31, 24 февраля 2017 (UTC) [ ответить ]

первая внешняя ссылка устарела?

Я не вижу видео по ссылке «Видео, сравнивающее сферические, квадратичные и логарифмические правила подсчета очков» MathieuPutz ( обсуждение ) 22:12, 2 января 2023 (UTC) [ ответить ]

добавить соответствующий параграф «Сравнение правил подсчета очков»

В этом параграфе следует подробно обсудить gif и объяснить, какие графики там видны. Biggerj1 ( обсуждение ) 12:44, 1 сентября 2023 (UTC) [ ответить ]

Также интересно, когда использовать какую функцию подсчета очков, см. обсуждение в https://doi.org/10.1287/deca.1070.0089 Biggerj1 ( обсуждение ) 21:51, 1 сентября 2023 (UTC) [ ответ ]

Обсудить проблему крайне несбалансированного набора данных

Biggerj1 ( обсуждение ) 06:38, 24 сентября 2023 (UTC) [ ответить ]

https://stats.stackexchange.com/questions/489106/brier-score-and-extreme-class-imbalance Biggerj1 ( обсуждение ) 06:39, 24 сентября 2023 (UTC) [ ответить ]

Обсуждение возможного объединения этой страницы

Следующее обсуждение закрыто. Пожалуйста, не изменяйте его. Последующие комментарии должны быть сделаны в новом разделе. Ниже приводится резюме сделанных выводов.

Не объединяться ; возможность расширения и область действия различны. Klbrain ( обсуждение ) 10:51, 10 ноября 2024 (UTC) [ ответить ]

В верхней части этой страницы было предложено объединить эту страницу с функциями потерь для классификации , поэтому я хочу открыть обсуждение по этому поводу.

Я лично с этим не согласен, так как есть много интересных исследований, которые были проведены по правилам непрерывной оценки (как одномерным, так и многомерным). До недавнего времени только CRPS кратко упоминался как правило непрерывной оценки.

На прошлой неделе я добавил на эту страницу множество материалов о правилах непрерывной оценки и планирую обобщить множество сравнительных статей, чтобы создать полноценный раздел сравнения правил оценки , включая расширение раздела приложений, поскольку правила оценки часто применяются в приложениях машинного обучения. По моему мнению, этого достаточно, чтобы оправдать отдельную страницу. CuriousDataScientist (обсуждение) 13:31, 11 мая 2024 (UTC) [ ответить ]

Согласен. С моей точки зрения, правила подсчета очков в первую очередь касаются проверки прогнозов и должны рассматриваться отдельно от функций потерь. Очевидно, что темы пересекаются, но было бы неправильно объединять их, потому что 1) они происходят из разных отраслей науки, и хорошо бы признать вклад разных областей, хотя бы ради истории. 2) Потери и метрики, имхо, являются разными понятиями. Вы можете захотеть минимизировать потери (то есть изучить, как они ведут себя в алгоритме минимизации), в то время как вы ожидаете, что метрика даст вам информацию о явлении/системе. Правила подсчета очков могут быть и тем, и другим, они не являются « только » потерями. 90.55.188.103 (обсуждение) 12:51, 16 июля 2024 (UTC) [ ответить ]

Убытки могут быть и тем и другим. Среднеквадратичный убыток — это распространенный пример легко интерпретируемого правила. Закрытые кривые Limelike ( обсуждение ) 15:23, 18 июля 2024 (UTC) [ ответить ]

Я согласен с вами, что существует много исследований правил непрерывной оценки, поэтому я думаю, что любое слияние должно идти в противоположном направлении (от функций потерь для классификации до этой страницы). Функции потерь для классификации являются особым видом правил оценки; в частности, они являются применением оценки к задачам классификации (обычно с бинарными/категориальными предсказаниями, а не вероятностными). Закрытые кривые типа Limelike ( обсуждение ) 15:28, 18 июля 2024 (UTC) [ ответ ]

Я против слияния. Функции потерь не то же самое, что проблемы оценки, например, у потерь может быть член регуляризации. Акцент в функциях оценки должен быть на качестве соответствия. Для функций потерь на обучении Earlsofsandwich ( обсуждение ) 16:50, 4 ноября 2024 (UTC) [ ответить ]

Обсуждение выше закрыто. Пожалуйста, не изменяйте его. Последующие комментарии должны быть сделаны на соответствующей странице обсуждения. Дальнейшие правки в это обсуждение не должны вноситься.

Неясная цитата

Раздел « Интерпретация правил подсчета правил» начинается с утверждения «Все правила подсчета правил равны взвешенным суммам (интегралам с неотрицательным весовым функционалом) потерь в наборе простых двухальтернативных задач принятия решений, которые используют вероятностное предсказание, причем каждая такая задача принятия решений имеет определенную комбинацию связанных параметров стоимости для ложноположительных и ложноотрицательных решений. Строго правильное правило подсчета правил соответствует наличию ненулевого веса для всех возможных порогов принятия решений. Любое заданное правило подсчета правил равно ожидаемым потерям относительно определенного распределения вероятностей по порогам принятия решений; таким образом, выбор правила подсчета правил соответствует предположению о распределении вероятностей задач принятия решений, для которых в конечном итоге будут использоваться предсказанные вероятности, например, правило подсчета квадратичных потерь (или Брайера), соответствующее равномерной вероятности того, что порог принятия решений будет находиться где-то между нулем и единицей».

Я не смог проверить это утверждение с помощью цитат. Я думаю, что необходимо вставить более явное упоминание того, где сделано такое утверждение. Никлас В. Леманн (обсуждение) 13:17, 22 ноября 2024 (UTC) [ ответить ]