Loss Functions for Loss Estimation
用于损失估计的损失函数AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般统计决策、损失估计与可容许性，没有足够依据归入所列领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用于损失估计的损失函数
- 研究问题
- 如何在同一评价体系中兼顾决策误差与统计决策规则的精确程度，并判断同时报告决策及其损失的程序是否可容许？
- 方法与思路
- 作者引入一类适当评分函数，将决策问题中的误差与规则精度结合；对应贝叶斯程序由通常的贝叶斯决策和后验期望损失组成。
- 材料陈述的贡献
- 摘要称，该损失函数体系导出成对的贝叶斯程序，并给出相应风险下可容许性的充要条件；具体条件未在摘要中列出。
- 阅读关注点
- 应核对评分函数的定义、精度如何进入损失、风险针对何种联合输出，以及可容许性充要条件的适用范围与证明。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；函数形式、参数空间及充要条件均未说明，不能据此判断具体程序的可容许性。
原文摘要
A class of proper scoring functions which combine the error in a decision problem and the precision of the statistical decision rule is introduced. The Bayesian procedures with respect to these loss functions are pairs formed by the usual Bayes decision and by the expected posterior loss. A necessary and sufficient condition for admissibility under the corresponding risk is given.