論文の概要: Evaluating Weather Forecasts from a Decision Maker's Perspective

• arxiv url: http://arxiv.org/abs/2512.14779v1
• Date: Tue, 16 Dec 2025 14:07:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.738614
• Title: Evaluating Weather Forecasts from a Decision Maker's Perspective
• Title（参考訳）: 意思決定者の視点からの天気予報の評価
• Authors: Kornelius Raeth, Nicole Ludwig,
• Abstract要約: 我々は、機械学習と古典的な数値天気予報モデルを比較するために意思決定校正を評価する。 予測レベルでのモデル性能は、下流の意思決定における性能に確実に変換されないことがわかった。
• 参考スコア（独自算出の注目度）: 0.08594140167290099
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Standard weather forecast evaluations focus on the forecaster's perspective and on a statistical assessment comparing forecasts and observations. In practice, however, forecasts are used to make decisions, so it seems natural to take the decision-maker's perspective and quantify the value of a forecast by its ability to improve decision-making. Decision calibration provides a novel framework for evaluating forecast performance at the decision level rather than the forecast level. We evaluate decision calibration to compare Machine Learning and classical numerical weather prediction models on various weather-dependent decision tasks. We find that model performance at the forecast level does not reliably translate to performance in downstream decision-making: some performance differences only become apparent at the decision level, and model rankings can change among different decision tasks. Our results confirm that typical forecast evaluations are insufficient for selecting the optimal forecast model for a specific decision task.
• Abstract（参考訳）: 標準的な天気予報評価は、予測者の視点と、予測と観測を比較した統計的評価に焦点を当てる。 しかし、実際には、予測は意思決定に使用されるため、意思決定者の視点から判断し、意思決定を改善する能力によって予測の価値を定量化することは自然なことと思われる。 決定キャリブレーションは、予測レベルではなく、決定レベルで予測性能を評価するための新しいフレームワークを提供する。 そこで我々は,機械学習と古典的数値天気予報モデルを比較し,意思決定のキャリブレーションを評価した。 予測レベルでのモデル性能は、下流の意思決定における性能に確実に変換されない。いくつかの性能差は、決定レベルでのみ明らかになり、モデルランキングは、異なる意思決定タスク間で変更可能である。 本結果から,特定の意思決定タスクに対して最適な予測モデルを選択するには,典型的な予測評価が不十分であることが確認された。

関連論文リスト

• Conditional Forecasts and Proper Scoring Rules for Reliable and Accurate Performative Predictions [1.1087735229999816]
  結果から分離した共変量に対する条件付け予測が,目標分布予測不変量となることを示す。 また, (i) 決定論的条件下では, 予測が分離された場合, 正しい予測とインセンティブに適合する予測が適用可能であること, (ii) 予測と対象変数の帰納分布の偏りの未偏り推定によるスコアが正しい予測をもたらすこと, の2つの解を同定した。 本結果は,従来の予測評価の基本的限界を明らかにし,信頼性と精度の高い予測を行うための新しいツールを提供する。
  論文  参考訳（メタデータ） (2025-10-24T10:59:21Z)
• Treatment Effect Estimation for Optimal Decision-Making [65.30942348196443]
  2段階CATE推定器を用いた最適意思決定について検討する。 本稿では,CATE推定誤差と判定性能のバランスをとるためにCATEを再ターゲットとした2段階学習目標を提案する。
  論文  参考訳（メタデータ） (2025-05-19T13:24:57Z)
• Decision-Focused Forecasting: A Differentiable Multistage Optimisation Architecture [0.0]
  決定に焦点をあてた予測は、完全に微分可能な多段階最適化アプローチを表現する再帰的な微分可能な最適化アーキテクチャである。 予測の時間的決定効果を考慮した勾配調整について述べる。 エネルギー貯蔵の調停とポートフォリオ最適化の多段階問題に適用し,本モデルが既存手法より優れていることを報告する。
  論文  参考訳（メタデータ） (2024-05-23T15:48:46Z)
• Robust Design and Evaluation of Predictive Algorithms under Unobserved Confounding [6.925076885159747]
  本稿では,予測アルゴリズムの堅牢な設計と評価のためのフレームワークを提案する。 様々な不確定な仮定が、所得グループ間での信用リスク予測と公平性評価に大きく影響していることが示される。
  論文  参考訳（メタデータ） (2022-12-19T20:41:44Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Evaluation of Machine Learning Techniques for Forecast Uncertainty Quantification [0.13999481573773068]
  アンサンブル予測は、これまでのところ、関連する予測を生成するための最も成功したアプローチであり、その不確実性を見積もっている。 アンサンブル予測の主な制限は、高い計算コストと異なる不確実性の源を捕捉し定量化することの難しさである。 本研究は,1つの決定論的予測のみを入力として,システムの修正状態と状態不確かさを予測するために訓練されたANNの性能を評価するための概念モデル実験である。
  論文  参考訳（メタデータ） (2021-11-29T16:52:17Z)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• Right Decisions from Wrong Predictions: A Mechanism Design Alternative to Individual Calibration [107.15813002403905]
  意思決定者は、しばしば不完全な確率予測に頼る必要がある。 本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。 本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
  論文  参考訳（メタデータ） (2020-11-15T08:22:39Z)
• When Does Uncertainty Matter?: Understanding the Impact of Predictive Uncertainty in ML Assisted Decision Making [68.19284302320146]
  我々は,異なるレベルの専門知識を持つ人々が,異なるタイプの予測不確実性にどう反応するかを評価するために,ユーザスタディを実施している。 その結果,後続の予測分布を示すことは,MLモデルの予測との相違点が小さくなることがわかった。 このことは、後続の予測分布は、人間の分布の種類や専門性を考慮し、注意を払って使用するべき有用な決定支援として役立つ可能性があることを示唆している。
  論文  参考訳（メタデータ） (2020-11-12T02:23:53Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)

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。