論文の概要: Hedging and Approximate Truthfulness in Traditional Forecasting Competitions
- arxiv url: http://arxiv.org/abs/2409.19477v1
- Date: Fri, 11 Oct 2024 16:56:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-05 22:57:44.740050
- Title: Hedging and Approximate Truthfulness in Traditional Forecasting Competitions
- Title(参考訳): 伝統放送コンペティションにおけるヘッジと近似真理
- Authors: Mary Monroe, Anish Thilagar, Melody Hsu, Rafael Frongillo,
- Abstract要約: 予測競技において、従来のメカニズムは、各イベントの結果に対して、各競技者の予測をスコア付けする。
イベントの数が増えるにつれて、競技者が大まかに真実を語るのは民間伝承である。
本稿はそのような分析を初めて行う。
- 参考スコア(独自算出の注目度): 0.9374652839580183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In forecasting competitions, the traditional mechanism scores the predictions of each contestant against the outcome of each event, and the contestant with the highest total score wins. While it is well-known that this traditional mechanism can suffer from incentive issues, it is folklore that contestants will still be roughly truthful as the number of events grows. Yet thus far the literature lacks a formal analysis of this traditional mechanism. This paper gives the first such analysis. We first demonstrate that the ''long-run truthfulness'' folklore is false: even for arbitrary numbers of events, the best forecaster can have an incentive to hedge, reporting more moderate beliefs to increase their win probability. On the positive side, however, we show that two contestants will be approximately truthful when they have sufficient uncertainty over the relative quality of their opponent and the outcomes of the events, a case which may arise in practice.
- Abstract(参考訳): 予測競技において、従来のメカニズムは、各イベントの結果に対して各競技者の予測をスコアし、最高得点の競技者が勝利する。
この伝統メカニズムがインセンティブの問題に悩まされることはよく知られているが、イベントの数が増加するにつれて、競技者が大まかに真実であることは民間伝承である。
しかし、これまでのところこの文学は、この伝統的なメカニズムの形式的な分析を欠いている。
本稿はそのような分析を初めて行う。
任意の数のイベントであっても、最高の予測者はヘッジへのインセンティブを持ち、より穏健な信念を報告し、勝利確率を高めることができる。
しかし, 正の面から, 2人の競技者が, 相手の相対的品質と事象の結果に十分な不確実性がある場合には, ほぼ真相を呈することを示す。
関連論文リスト
- Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。
予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。
よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文 参考訳(メタデータ) (2024-08-09T16:03:44Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Optimising Equal Opportunity Fairness in Model Training [60.0947291284978]
既存のデバイアス法、例えば、敵の訓練や、表現から保護された情報を取り除くことは、バイアスを減らすことが示されている。
2つの新たな学習目標を提案し,2つの分類課題における高い性能を維持しつつ,バイアスの低減に有効であることを示す。
論文 参考訳(メタデータ) (2022-05-05T01:57:58Z) - Selection, Ignorability and Challenges With Causal Fairness [9.106412307976067]
我々は、このようなことが可能なモデルは、フェアネス文学で一般的に見なされるよく振る舞うクラスの外にある必要があると論じる。
多くのケースでは、より広い人口からサンプルが選択されているため、明示的に拒否することができる。
論文 参考訳(メタデータ) (2022-02-28T13:23:33Z) - Learning to Predict Trustworthiness with Steep Slope Loss [69.40817968905495]
本研究では,現実の大規模データセットにおける信頼性の予測問題について検討する。
我々は、先行技術損失関数で訓練された信頼性予測器が、正しい予測と誤った予測の両方を信頼に値するものとみなす傾向があることを観察する。
そこで我々は,2つのスライド状の曲線による不正確な予測から,特徴w.r.t.正しい予測を分離する,新たな急勾配損失を提案する。
論文 参考訳(メタデータ) (2021-09-30T19:19:09Z) - Plinko: A Theory-Free Behavioral Measure of Priors for Statistical
Learning and Mental Model Updating [62.997667081978825]
Plinko(リンク)は,参加者が利用可能なすべての結果に対してボール滴の分布を推定する行動課題である。
対象者は,確率分布の確率分布を中心にクラスタリングし,事前クラスタメンバシップは学習能力を示す可能性があることを示す。
我々は,個々の参加者が信頼できる表現であり,物理的に不可解な球滴分布に直面した場合,学習が阻害されないことを検証した。
論文 参考訳(メタデータ) (2021-07-23T22:27:30Z) - Bad and good errors: value-weighted skill scores in deep ensemble
learning [0.0]
証拠に基づいて予測誤差の重大度を評価するための戦略を導入する。
本稿では,予測値に重要な意味を持つ,混乱行列とスキルスコアの新たな定義を提案する。
本稿では,公害,宇宙気象,株式賞の予測に関する3つの応用事例において,このアプローチの性能を示す。
論文 参考訳(メタデータ) (2021-03-04T08:05:13Z) - Kaggle forecasting competitions: An overlooked learning opportunity [0.0]
実生活におけるビジネス予測タスクを含む6つのKaggleコンペティションの結果をレビューする。
その結果、Kaggleデータセットの大部分は、M競合よりも高い断続性とエントロピーによって特徴づけられることがわかった。
我々は、勾配を増す決定木の性能向上、予測のためのニューラルネットワークの成功の増加、予測タスクに機械学習モデルを適用するための様々なテクニックを見出した。
論文 参考訳(メタデータ) (2020-09-16T14:14:41Z) - Competing AI: How does competition feedback affect machine learning? [14.350250426090893]
コンペティションによって予測者が特定のサブ人口に特化し、一般人口よりもパフォーマンスが悪くなることを示す。
市場に競合する予測者が多すぎるか多すぎることが、全体的な予測品質を損なう可能性があることを示す。
論文 参考訳(メタデータ) (2020-09-15T00:13:32Z) - Interpretable Real-Time Win Prediction for Honor of Kings, a Popular
Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。
実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文 参考訳(メタデータ) (2020-08-14T12:00:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。