与雷尔分数做出更好的决定

无论我们是否喜欢，我们都做出决定和预测 - 大而小 - 每天的每一小时。

在2015年的2015年的书籍中：艺术和科学的预测，政治科学家菲利普特克洛克透露，基于近二十年的研究，平均“专家”大致准确，作为预测全球活动的“飞镖抛掷黑猩猩”。然而，他还发现，一小群人原来有真正的技能，他们似乎有一个主要的特质共同：他们非常出错，然后从他们的错误中学习到课程 - 正确，就像一个船长转向他的船。那么我们如何用自己的生活应用这个？

一种方法是使用填缝得分。以气象学家和统计名格伦威尔逊BRIRS命名，BRICR得分简直就是0（最佳）和1（最差）之间的数字，从而测量了二元成果的概率预测的准确性。要利用Brier得分来吸取我们的错误并提高我们的决定，我们需要做两件事：

让我们从1.概率预测是0到1（或者如果您更喜欢的0％和100％），这表达了您对预测的信心水平，而二元结果则是发生的（结果= 1 ）或者它不会（结果= 0）。例如，如果您预测明天有80％的雨量，这是二元结果的概率预测，因为80％（或0.8）是0到1之间的数字，明天会下雨惯于。

接下来，我们如何实际计算Brier得分？事实证明，Brier得分只是真正结果和预测之间的平均平方误差，其中0和1分别是最佳和最差可能的分数。我们可以在伪代码中表达此操作，如下所示：

要将其放入上下文中，让我们来看看一个例子。如果我预测有：

brier_score =（（实际_outcome_1 - forecast_1）^ 2 +（实际_outcome_2 - fecetast_2）^ 2）/ 2 =（（0 - 0.3）^ 2 +（1 - 0.8）^ 2）/ 2 =（0.09 + 0.04）/ 2 = 0.065

这是相当不错的，因为0是最好的分数。这似乎奇怪，因为我的2个预测中只有1个是正确的。事实证明，这是因为我为预测分配了高概率（80％），我得到了正确，并且对我错了的那个非常低的概率（30％）。换句话说，我在我的预测中的信心水平超过了我得到正确的预测数量。要看到这个，如果我翻转上面的概率，这次我的兄弟得分会是：

brier_score =（（实际_outcome_1 - forecast_1）^ 2 +（actual_outcome_2 - forecast_2）^ 2）/ 2 =（（0 - 0.8）^ 2 +（1 - 0.3）^ 2）/ 2 =（0.64 + 0.49）/ 2 = 0.565

这比我以前的Brier得分更高的时间差不多（更差），即使我仍然有相同的预测正确。这是因为我为预测的预测分配了很高的概率，这次出错了，这会让我的档次得分。换句话说，我因不知道我在做什么而受到惩罚。

这是Brier得分的真正美感 - 如果你知道你正在做什么（即为真正的结果分配很高的概率），并且如果你过于自信，并且不知道你在做什么（即为错误结果分配很高的概率）。通过这种方式，雷尔分数可以帮助我们从我们的错误中吸取教训，成为更好的决策者，潜在地改变我们的生活 - 为什么不给它尝试？我很想听到它如何为你工作。