Dopasowanie prawdopodobieństwa - Probability matching

Dopasowywanie prawdopodobieństwa to strategia decyzyjna, w której prognozy dotyczące przynależności do klas są proporcjonalne do bazowych stóp klas . Tak więc, jeśli w zestawie uczącym pozytywne przykłady są obserwowane w 60% przypadków, a negatywne przykłady są obserwowane w 40% przypadków, wówczas obserwator korzystający ze strategii dopasowywania prawdopodobieństwa przewiduje (dla nieoznakowanych przykładów) etykietę klasy „pozytywny „w 60% instancji i etykieta klasy„ negatywna ”w 40% instancji.

Optymalną strategią decyzyjną bayesowską (aby zmaksymalizować liczbę poprawnych prognoz, patrz Duda, Hart i Stork (2001) ) w takim przypadku jest zawsze przewidywanie „pozytywnych” (tj. Przewidywanie kategorii większości przy braku innych informacji), który ma 60% szans na wygraną, a nie dopasowanie, które ma 52% wygranej (gdzie p jest prawdopodobieństwem pozytywnej realizacji, wynikiem dopasowania byłby tutaj ). Strategia dopasowywania prawdopodobieństwa ma znaczenie psychologiczne, ponieważ jest często stosowana przez ludzi w badaniach decyzyjnych i klasyfikacyjnych (gdzie może być związana z próbkowaniem Thompsona ).

Jedynym przypadkiem, w którym dopasowanie prawdopodobieństwa da takie same wyniki, jak wspomniana powyżej strategia decyzyjna bayesowska, jest sytuacja, w której wszystkie stopy bazowe klasy są takie same. Tak więc, jeśli w zbiorze uczącym pozytywne przykłady są obserwowane w 50% przypadków, to strategia Bayesa dałaby 50% dokładność (1 × 0,5), podobnie jak dopasowanie prawdopodobieństwa (0,5 × 0,5 + 0,5 × 0,5) .

Bibliografia

  • Duda, Richard O .; Hart, Peter E .; Stork, David G. (2001), Pattern Classification (2nd ed.), New York : John Wiley & Sons
  • Shanks, DR, Tunney, RJ i McCarthy, JD (2002). Ponowna analiza dopasowania prawdopodobieństwa i racjonalnego wyboru. Journal of Behavioral Decision Making , 15 (3), 233-250.