研究提出决策感知严格评分规则的最小优越性惩罚框架

1. 13:00
   arXiv 机器学习

   最小优越性惩罚：决策感知严格评分规则的表征与校准

   研究针对决策感知严格评分规则提出了最小优越性惩罚，以确保分类器验证中所有正确预测得分均高于错误预测。研究给出了 Brier 分数和对数分数恢复优越性所需惩罚下确界的闭式解；在 Brier 基准下，该值比既有文献方法缩减了 2.11（20 类）至 4.00 倍（3 类）。研究还将该机制扩展为严格适定的单参数惩罚族，指出选择大于下确界的更大惩罚属于校准权衡。

Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.