研究者提出结果条件重校准方法

研究者 Jakob Benjamin Wessel 与 Sam Allen 提出一种名为“结果条件重校准”（outcome-conditional recalibration）的事后方法，用于对用户指定的结果区域重新校准概率预测，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，使预测事件概率与经验发生频率匹配，从而在关注区域内生成有效、连续且校准良好的预测分布。 在回归基准和日前电价预测中，作者称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，精度损失可忽略。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。