قوانین امتیازدهی مناسب یک چارچوب ارزیابی مدل برای پیش بینی های احتمالی ارائه می دهد. کالیبراسیون نشان می دهد که آیا پیش بینی های ما از نظر آماری با رویدادها یا مقادیر مشاهده شده مطابقت دارند یا خیر. وضوح عدم قطعیت در پیش‌بینی‌ها (توزیع پیش‌بینی‌کننده) را بدون در نظر گرفتن نتایج واقعی ثبت می‌کند. ما می‌خواهیم تکنیک ارزیابی مدل ما در برابر “محصول سازی” مصون باشد. پوشش شرط های شما به معنای شرط بندی در هر دو طرف یک بحث یا تیم ها در یک رقابت است. اگر معیار یا امتیاز شما قابل “هک شدن” باشد، ممکن است مشکل داشته باشید.
نیکولا او.
محقق دکترا با استفاده از علم داده برای حل مسائل. از تفکر، علمی تخیلی و طراحی لذت می برد.
قوانین امتیازدهی مناسب یک چارچوب ارزیابی مدل برای پیش بینی های احتمالی ارائه می دهد. حتی اگر با پیش‌بینی‌های احتمالی کار نکنید، درک این مفهوم می‌تواند به شما کمک کند درباره ارزیابی مدل فکر کنید.
هر دانشمند داده نیاز به ارزیابی مدل‌ها یا الگوریتم‌های یادگیری ماشین دارد، و من تفاوتی ندارم. به عنوان فردی که بدون مدرک کارشناسی در رشته آمار یا مهندسی وارد علم داده شدم، رویکرد من به ارزیابی مدل سهل‌انگیز بود.
من از فکر کردن در مورد چگونگی ایجاد یک مدل لذت بردم، و ارزیابی مدل اغلب یک فکر بعدی بود. من فقط می خواستم ساختار مدل را آزمایش کنم یا روش های مختلف را امتحان کنم و …