面向关注事件的校准概率预测：基于结果条件重校准的方法

研究者提出 outcome-conditional recalibration，一种对用户指定结果区域进行事后重校准的方法，可应用于任意预测分布。该方法先对条件分布做分位数重校准，再重新缩放使预测事件概率匹配经验发生频率，从而在关注区域内生成有效且连续、校准良好的预测分布。在回归基准和日前电价预测中，该方法相对现有条件与非条件重校准方法改善了结果条件校准，预测负电价时校准显著提升且精度损失可忽略。