Dopasowanie prawdopodobieństwa

Dopasowanie prawdopodobieństwa to strategia decyzyjna , w której przewidywania przynależności do klasy są proporcjonalne do współczynników podstawowych klas . Tak więc, jeśli w zbiorze szkoleniowym zaobserwowane zostaną pozytywne przykłady w 60% przypadków, a negatywne przykłady w 40% przypadków, wówczas obserwator stosujący strategię dopasowywania prawdopodobieństwa przewidzie ( dla przykładów nieoznakowanych) etykietę klasy „pozytywne” „ w 60% przypadków i etykietę klasy „negatywny” w 40% przypadków.

Optymalną Bayesowską strategią decyzyjną (aby zmaksymalizować liczbę poprawnych przewidywań, patrz Duda, Hart i Stork (2001) ) w takim przypadku jest zawsze przewidywanie „pozytywne” (tj. przewidywanie kategorii większości w przypadku braku innych informacji), który ma 60% szans na wygraną, a nie dopasowanie, które ma 52% wygranej (gdzie p jest prawdopodobieństwem pozytywnej realizacji, wynikiem dopasowania będzie ${\ displaystyle p ^ {2} + (1-p)^{2}}$ , tutaj ${\ Displaystyle 0,6 \ razy 0,6 + 0,4 \ razy 0,4})$ . Strategia dopasowywania prawdopodobieństwa ma znaczenie psychologiczne, ponieważ jest często stosowana przez ludzi w badaniach decyzyjnych i klasyfikacyjnych (gdzie może być powiązana z próbkowaniem Thompsona ).

Jedynym przypadkiem, w którym dopasowanie prawdopodobieństwa da takie same wyniki jak wspomniana powyżej strategia decyzyjna Bayesa, jest sytuacja, gdy wszystkie stopy bazowe klas są takie same. Tak więc, jeśli w zbiorze treningowym zaobserwowane zostaną pozytywne przykłady w 50% przypadków, wówczas strategia bayesowska zapewni 50% dokładność (1 × 0,5), podobnie jak dopasowanie prawdopodobieństwa (0,5 × 0,5 + 0,5 × 0,5) .

• Duda, Ryszard O.; Hart, Peter E.; Bocian, David G. (2001), Klasyfikacja wzorców (wyd. 2), Nowy Jork : John Wiley & Sons

• Shanks, DR, Tunney, RJ i McCarthy, JD (2002). Ponowne zbadanie dopasowania prawdopodobieństwa i racjonalnego wyboru. Journal of Behavioral Decision Making , 15(3), 233-250.