蒂诺·沃纳 实例和对象排名的可诱导性。 （英语） Zbl 1515.91061号 Decis公司。分析。 19，第2期，123-140（2022年）。 引用于1文件 MSC公司： 91B06型 决策理论 62M20型 随机过程推断和预测 关键词：可引出性;高级职员;分类泛函;计分函数;信息检索 软件：对 PDF格式BibTeX公司 XML格式引用 \textit{T.沃纳}，德西斯。分析。19，编号2，123--140（2022；Zbl 1515.91061） 全文： 内政部 参考文献： [1] Acerbi C，Szekely B（2014）《回测预期缺口》。风险27（11）：76-81.谷歌学者 [2] Adomavicius G，Zhang J（2016）推荐算法的分类、排名和top-k稳定性。信息J.计算。28（1）：129-147.链接，谷歌学者 [3] Agarwal S，Sengupta S（2009）按与疾病的相关性对基因进行排名。程序。第八届国际年会。Conf.计算。系统生物信息学。谷歌学者 [4] Agarwal S，Graepel T，Herbrich R，Har Peled S，Roth D（2005）ROC曲线下区域的广义边界。J.机器学习。物件。4月6日：393-425.谷歌学者·Zbl 1222.68129号 [5] Alagoz O，Chhatwal J，Burnside ES（2013），减少乳腺癌诊断中不必要的后续乳房X光检查的最佳政策。决策分析。10（3）：200-224.链接，谷歌学者·Zbl 1409.92109号 [6] Amisano G，Giacomini R（2007）通过加权似然比检验比较密度预测。J.总线。经济。统计师。25（2）：177-190.谷歌学者Crossref·doi:10.1198/0735001600000332 [7] Armstrong RD、Cook WD、Seiford LM（1982）《优先级排序和共识形成：关系案例》。管理科学。28（6）：638-645.链接，谷歌学者·Zbl 0486.90005号 [8] Bao Y，Ke B，Li B，Yu YJ，Zhang J（2020）使用机器学习方法检测美国上市公司的会计欺诈。J.会计研究。58（1）：199-235.Crossref，谷歌学者·doi:10.1111/1475-679X.12292 [9] Berrocal VJ、Raftery AE、Gneiting T、Steed RC（2010）《冬季道路维护的概率天气预测》。J.Amer。统计师。协会。105（490）：522-537.Crossref，谷歌学者·Zbl 1392.62330号 ·doi:10.1198/jasa.2009.ap07184 [10] Bickel JE（2007）二次、球面和对数评分规则之间的一些比较。决策分析。4（2）：49-65.链接，谷歌学者 [11] Bickel JE（2010）评分规则和决策分析教育。决策分析。7（4）：346-357.链接，谷歌学者 [12] Brier GW（1950）以概率表示的预测验证。每月天气变化。78（1）：1-3.Crossref，谷歌学者·doi:10.1175/1520-0493（1950）078<0001:VOFEIT>2.0.CO；2 [13] Brier GW，Allen RA（1951）天气预报验证。Malone TF编辑。气象学纲要（美国气象学会，波士顿），841-848.Crossref，谷歌学者·doi:10.1007/978-1-940033-70-968 [14] Carvalho A（2016）正确评分规则应用概述。决策分析。13（4）：223-242.Link，谷歌学者·Zbl 1409.62247号 [15] Cassady CR、Maillart LM、Salman S（2005）《排名运动队：可定制的二次分配方法》。接口35（6）：497-510.链接，谷歌学者 [16] Cheng W，Hüllermier E，Waegeman W，Welker V（2012）基于阈值概率模型的部分弃权标签排名。高级神经信息。处理系统25:2501-2509.谷歌学者 [17] Cheng W，Rademaker M，De Baets B，Hüllermier E（2010）预测部分顺序：弃权排名。Balcázar JL、Bonchi F、Gionis A、Sebag M主编，联合欧洲委员会。机器学习。知识发现数据库（柏林施普林格），215-230.谷歌学者 [18] Chu LY、Nazerzadeh H、Zhang H（2020）《在线市场排名和拍卖》。管理科学。66（8）：3617-3634.Link，谷歌学者 [19] Clark TE，Ravazzolo F（2015）时变波动率替代规范下的宏观经济预测绩效。J.应用。计量经济学30（4）:551-575.Crossref，谷歌学者·doi:10.1002/jae.2379 [20] Clemen RT、Fischer GW、Winkler RL（2000）《相关性评估：一些实验结果》。管理科学。46（8）：1100-1115.Link，谷歌学者·Zbl 1232.91543号 [21] Clémençon S，Vayatis N（2007）排名最佳。J.机器学习。物件。8（12月）：2671-2699。谷歌学者·Zbl 1222.68171号 [22] Clémençon S，Deecker M，Vayatis N（2013）非参数评分学习算法的实证比较：TreeRank算法和其他方法。PAA模式分析。申请。16（4）:475-496.Crossref，谷歌学者·Zbl 1284.68495号 ·doi:10.1007/s10044-012-0299-1 [23] Clémençon S，Lugosi G，Vayatis N（2008）U-统计的排名和经验最小化。安。统计师。36（2）：844-874.谷歌学者Crossref·Zbl 1181.68160号 ·doi:10.1214/00905260700000910 [24] Cook WD，Kress M（1985）偏好强度排序。管理科学。31（1）：26-32.链接，谷歌学者·Zbl 0608.90003号 [25] Dionne G、Giuliano F、Picard P（2009）《带评分的最佳审计：保险欺诈的理论与应用》。管理科学。55（1）：58-70.Link，谷歌学者·Zbl 1232.91344号 [26] Dwork C，Kumar R，Naor M，Sivakumar D（2001）网络排名聚合方法。程序。第十届国际。Conf.万维网（纽约计算机械协会），613-622.谷歌学者 [27] Fahandar MA，Hüllermier E（2018）基于类比推理学习排名。第32届AAAI大会人工智能。谷歌学者 [28] Fissler T，Ziegel JF（2016）高阶可诱导性和Osband原理。安。统计师。44（4）：1680-1707.Crossref，谷歌学者·Zbl 1355.62006号 ·doi:10.1214/16-AOS1439 [29] Fissler T，Ziegel JF，Gneiting T（2016），预期短缺与风险价值对回溯测试的影响是可以联合得出的。风险，58-61.谷歌学者 [30] Fissler T、Frongillo R、HlavinováJ、Rudloff B（2021）分位数、预测区间和其他集值泛函的预测评估。电子J.统计。15（1）：1034-1084.Crossref，谷歌学者·Zbl 1471.62559号 ·doi:10.1214/21-EJS1808 [31] Fürnkranz J，Hüllermier E（2011）偏好学习，第19卷（柏林施普林格），https://doi.org/10.1007/978-3-642-14125-6.交叉引用，谷歌学者·Zbl 1201.68006号 ·doi:10.1007/978-3-642-14125-6 [32] Fürnkranz J，Hüllermier E，Vanderlooy S（2009）多部分排名的二进制分解方法。Buntine W、Grobelnik M、MladenićD、Shawe-Taylor J编辑，《欧洲联合委员会计算机学习》。知识发现数据库（柏林斯普林格），359-374.谷歌学者 [33] Fürnkranz J，Hüllermier E，Mencía EL，Brinker K（2008）通过校准标签排名进行多标签分类。机器学习。73（2）：133-153.Crossref，谷歌学者·Zbl 1470.68108号 ·doi:10.1007/s10994-008-5064-8 [34] Gneiting T（2011）制定和评估点预测。J.Amer。统计师。协会。106（494）：746-762.Crossref，谷歌学者·Zbl 1232.62028号 ·doi:10.1198/jasa.2011.r10138 [35] Gneiting T（2017）贝叶斯分类器的模式何时起作用？统计师。6（1）：204-206.Crossref，谷歌学者·doi:10.1002/sta4.148 [36] Gneiting T，Raftery AE（2005），用集合方法进行天气预报。科学。310（5746）：248-249.Crossref，谷歌学者·doi:10.1126/science.1115255 [37] Gneiting T，Raftery AE（2007）严格正确的评分规则、预测和估计。J.Amer。统计师。协会。102（477）:359-378.Crossref，谷歌学者·Zbl 1284.62093号 ·doi:10.19198/0162114506000001437 [38] Gneiting T，Ranjan R（2011）使用阈值和分位数加权评分规则对密度预测进行比较。J.总线。经济。统计师。29（3）:411-422.Crossref，谷歌学者·Zbl 1219.91108号 ·doi:10.1198/jbes.2010.08110 [39] Gneiting T、Balabdaoui F、Raftery AE（2007）《概率预测、校准和清晰度》。J.皇家统计师。Soc.系列B统计。方法69（2）：243-268.Crossref，谷歌学者·Zbl 1120.62074号 ·文件编号：10.1111/j.1467-9868.2007.00587.x [40] Good I（1952）理性决策。J.皇家统计师。Soc.系列B统计。方法14（1）：107-114.谷歌学者 [41] Grushka-Cockayne Y、Lichtendahl KC Jr、Jose VRR、Winkler RL（2017）分位数评估、分位数敏感性和业务收益分享。操作。物件。65（3）:712-728.链接，谷歌学者·Zbl 1407.91083号 [42] Heinrich C（2013）模式功能不可引出。生物特征101（1）：245-251.Crossref，谷歌学者·Zbl 1400.62026号 ·doi:10.1093/biomet/ast048 [43] Herbrich R、Graepel T、Obermayer K（1999年a）有序数据的回归模型：一种机器学习方法（引用者）。谷歌学者 [44] Herbrich R，Graepel T，Obermayer K（1999b）有序回归的支持向量学习。第九国际。Conf.人工神经网络（IET），97-102.谷歌学者 [45] Hochbaum DS，Levin A（2006）《群体排名决策的方法和算法》。管理科学。52（9）：1394-1408.Link，谷歌学者 [46] Hüllermier E，Fürnkranz J（2010）关于成对标签排名中的预测准确性和风险最小化。J.计算。系统科学。76（1）：49-62.Crossref，谷歌学者·Zbl 1186.68369号 ·doi:10.1016/j.jcss.2009.05.005 [47] Joachims T（2005）将点击数据准确解释为隐含反馈。程序。第28届国际年会。ACM SIGIR Conf.Res.开发信息。检索（ACM，纽约），154-161.谷歌学者 [48] Jose VRR，Winkler RL（2009）评估分位数评估。操作。物件。57（5）：1287-1297.链接，谷歌学者·Zbl 1342.91009号 [49] Kamishima T、Kazawa H、Akaho S（2010）《目标排名方法的调查和实证比较》。Fürnkranz J，Hüllermier E，编辑。偏好学习（柏林施普林格），181-201年。谷歌学者（Google Scholar）Crossref·Zbl 1213.68495号 ·doi:10.1007/978-3-642-14125-69 [50] Kilgour DM，Gerchak Y（2004）《利用竞争性得分规则引发概率》。决策分析。1（2）:108-113.链接，谷歌学者 [51] Kratz M（2017）《可引出性和回溯测试的讨论：银行监管的视角》。附录申请。统计师。11（4）：1894-1900.谷歌学者Crossref·Zbl 1383.62245号 ·doi:10.1214/17-AOAS1041E [52] Lambert NS、Pennock DM、Shoham Y（2008），概率分布的引证性质。程序。第九届ACM电子商务大会（纽约计算机械协会），129-138。谷歌学者 [53] Lichtendahl KC Jr、Winkler RL（2007）《概率启发、评分规则和预测者之间的竞争》。管理科学。53（11）：1745-1755.链接，谷歌学者 [54] 卢斯路（1959）个人选择行为（约翰·威利）。谷歌学者·兹比尔0093.31708 [55] Luce RD（1977）二十年后的选择公理。数学杂志。心理学。15（3）：215-233.Crossref，谷歌学者·Zbl 0357.92033号 ·doi:10.1016/0022-2496（77）90032-3 [56] McFadden D（1973）定性选择行为的条件逻辑分析。Zarembka P编辑。计量经济学的前沿（纽约学术出版社），105-142.谷歌学者 [57] McFadden D（1986）市场研究的选择理论方法。营销科学。5（4）：275-297.Link，谷歌学者 [58] McSherry F，Najork M（2008）计算信息检索性能在分数相同的情况下有效测量。Macdonald C、Ounis I、Plachouras V、Ruthven I、White RW，编辑Eur.Conf.Inform。检索（柏林施普林格），414-421.谷歌学者 [59] Merkle EC，Steyvers M（2013）选择严格合适的评分规则。决策分析。10（4）：292-304.链接，谷歌学者·Zbl 1398.91195号 [60] Miller N、Resnick P、Zeckhauser R（2005）《引诱信息反馈：同行预测法》。管理科学。51（9）：1359-1373.链接，谷歌学者 [61] Negahban S、Oh S和Shah D（2017）《排名中心性：两两比较的排名》。操作。物件。65（1）：266-287.Link，谷歌学者·Zbl 1414.91133号 [62] Nolde N，Ziegel JF（2017）《可诱导性和回溯测试：银行监管视角》。附录申请。统计师。11（4）：1833-1874.Crossref，谷歌学者·Zbl 1383.62247号 ·doi:10.1214/17-AOAS1041 [63] Osband K（1985）为更好的成本预测提供激励。加州大学伯克利分校未发表的博士论文。谷歌学者 [64] Page L，Brin S，Motwani R，Winograd T（1999）PageRank引文排名：给网络带来秩序。技术报告，斯坦福信息实验室，加利福尼亚州谷歌学者 [65] Pfannschmidt K，Gupta P，Hüllermier E（2018）学习上下文相关排序函数的深层架构。预印本，3月15日提交，https://arxiv.org/abs/1803.05796谷歌学者 [66] Pickett KS（2006）审计规划：基于风险的方法（John Wiley&Sons，纽约）。谷歌学者 [67] Plackett RL（1975）排列分析。J.皇家统计师。Soc.系列C.应用。统计师。24（2）：193-202.Crossref，谷歌学者·doi:10.2307/2346567 [68] R核心团队（2021年）R： 统计计算语言与环境（R统计计算基金会，维也纳）。谷歌学者 [69] Rose H，Rogers A，Gerding EH（2012）智能电网总需求预测的基于评分规则的机制。Proc。第11届国际。Conf.自治代理多代理系统，第2卷（国际自治代理和多代理系统基金会，南卡罗来纳州里奇兰），661-668。谷歌学者 [70] Roy A、Mackin P、Wallenius J、Corner J、Keith M、Schymik G、Arora H（2008）基于用户偏好的交互式搜索方法。决策分析。5（4）：203-229.Link，谷歌学者 [71] Sapir M（2011）用于分类和生存分析的双部分排序算法。预印本，于12月8日提交，https://arxiv.org/abs/1112.1966.谷歌学者 [72] Schervish MJ、Seidenfeld T、Kadane JB（2009）正确的得分规则、主导预测和连贯性。决策分析。6（4）：202-221.Link，谷歌学者 [73] 沈H，洪LJ，张X（2021）基于协变量的个性化决策排序与选择。信息J.计算。33（4）：1500-1519摘要，谷歌学者·Zbl 07549347号 [74] Szörényi B、Busa-Fekete r、Paul A、Hüllermier E（2015）《Plackett-Louce:决斗强盗方法》的在线排名启发。高级神经信息。处理系统28:604-612.谷歌学者 [75] Torgo L，Ribeiro R（2007），基于效用的回归。Kok JN，Koronacki J，Lopez de Mantaras R，Matwin S，MladenićD，Skowron A，eds.Eur.Conf.原理数据挖掘知识发现（柏林斯普林格），597-604.谷歌学者 [76] Van Vlasselaer V、Eliassi-Rad T、Akoglu L、Snoeck M、Baesens B（2017）明白了！基于网络的社会安全欺诈检测。管理科学。63（9）:3090-3110.谷歌学者链接 [77] Waegeman W，De Baets B，Boullart L（2008）序数回归学习中的ROC分析。模式识别信函。29（1）:1-9.Crossref，谷歌学者·doi:10.1016/j.patrec.2007.07.019 [78] Werner T（2019）无梯度梯度增强。德国奥尔登堡大学卡尔·冯·奥斯西茨基博士论文。https://oops.uni-oldenburg.de/id/eprint/4290谷歌学者 [79] Werner T（2021a）统计学习中实例排序问题综述。机器学习。，ePub印刷前11月18日，https://doi.org/10.1007/s10994-021-06122-3.谷歌学者 [80] Werner T（2021b）实例排序问题的全局定量稳健性。预印本，3月12日提交，https://arxiv.org/abs/2103.07198.谷歌学者 [81] Winkler RL，Murphy AH（1968）“良好”概率评估师。J.应用。气象气候学7（5）：751-758.Crossref，谷歌学者·doi:10.1175/1520-0450（1968）007<0751:PA>2.0.CO；2 [82] Winkler RL、Grushka-Cockayne Y、Lichtendahl KC Jr、Jose VRR（2019）《概率预测及其组合：研究视角》。决策分析。16（4）：239-260.Link，谷歌学者 [83] Yoganarasimhan H（2020）使用机器学习搜索个性化。管理科学。66（3）：1045-1070.Link，谷歌学者 [84] Yuan Y，Zhou QM，Li B，Cai H，Chow EJ，Armstrong GT（2018）删失时间到事件数据预测精度的无阈值汇总指数。统计师。医学37（10）：1671-1681.Crossref，谷歌学者·doi:10.1002/sim.7606 [85] Zhou QM，Lu Z，Brooke RJ，Hudson MM，Yuan Y（2020）新车型更好吗？一个指标是肯定的，但另一个是否定的。我应该使用哪个指标？预印本，于12月15日提交，https://arxiv.org/abs/2010.09822.谷歌学者 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。