精选理由
生存分析中右删失数据是常态，这篇论文为概率预测的评估提供了理论严谨的评分框架。做生存建模、临床试验或可靠性分析的团队，可以直接用这些评分来训练和评估模型，避免传统方法的偏差。
该论文提出了一种针对右删失生存数据的概率预测评分框架。传统评分规则（如CRPS、Brier分数）在事件时间仅部分观测时无法直接应用。作者通过将预测分布映射到删失机制下的观测数据分布，再应用标准评分规则，得到了局部化和边缘化的删失版本评分。该框架统一了删失似然和IPCW准则，并证明了在条件独立删失下评分的适当性。实验表明，该方法能正确排序预测模型，而基于插值的加权评分可能出现排序反转。
AI 翻译 · 中文
该论文提出了一种针对右删失生存数据的概率预测评分框架。传统评分规则（如CRPS、Brier分数）在事件时间仅部分观测时无法直接应用。作者通过将预测分布映射到删失机制下的观测数据分布，再应用标准评分规则，得到了局部化和边缘化的删失版本评分。该框架统一了删失似然和IPCW准则，并证明了在条件独立删失下评分的适当性。实验表明，该方法能正确排序预测模型，而基于插值的加权评分可能出现排序反转。
Proper scoring rules provide a rigorous theoretical basis for the training and evaluation of probabilistic forecasts. However, in the presence of right censoring, the event time is only partially observed, rendering conv…