連續(xù)分級概率評分（Continuous Ranked Probability Score, CRPS）或“連續(xù)概率排位分數(shù)”是一個函數(shù)或統(tǒng)計量，可以將分布預測與真實值進行比較。

機器學習工作流程的一個重要部分是模型評估。這個過程本身可以被認為是常識：將數(shù)據(jù)分成訓練集和測試集，在訓練集上訓練模型，并使用評分函數(shù)評估其在測試集上的性能。

評分函數(shù)（或度量）是將真實值及其預測映射到一個單一且可比較的值 [1]。例如，對于連續(xù)預測可以使用 RMSE、MAE、MAPE 或 R 平方等評分函數(shù)。如果預測不是逐點估計，而是分布呢？

在貝葉斯機器學習中，預測通常不是逐點估計，而是值的分布。例如預測可以是分布的估計參數(shù)，或者在非參數(shù)情況下，來自MCMC方法的樣本數(shù)組。

在這種情況下，傳統(tǒng)的評分函數(shù)不適合統(tǒng)計設(shè)計;預測的分布聚合成它們的平均值或中值會導致關(guān)于預測分布的分散和形狀的大量信息的損失。

CRPS

連續(xù)分級概率評分(CRPS)是一個分數(shù)函數(shù)，它將單個真實值與累積分布函數(shù)(CDF)進行比較:

它于 70 年代首次引入 [4]，主要用于天氣預報，現(xiàn)在在文獻和行業(yè)中重新受到關(guān)注 [1] [6]。當目標變量是連續(xù)的并且模型預測目標的分布時，它可以用作評估模型性能的指標；示例包括貝葉斯回歸或貝葉斯時間序列模型 [5]。

通過使用CDF， CRPS 對于參數(shù)和非參數(shù)預測都很有用：對于許多分布，CRPS [3] 都有一個解析表達式，對于非參數(shù)預測， CRPS 使用經(jīng)驗累積分布函數(shù) (eCDF)。

在計算測試集中每個觀察值的 CRPS 后，還需要將結(jié)果聚合成一個值。與 RMSE 和 MAE 類似，使用（可能是加權(quán)的）平均值對它們進行匯總：

將單個值與分布進行比較的主要挑戰(zhàn)是如何將單個值轉(zhuǎn)換成為分布的表示。CRPS通過將基本真值轉(zhuǎn)換為帶有指標函數(shù)的退化分布來解決這一問題。例如如果真值是7，我們可以用:

指標函數(shù)是一個有效的 CDF，可以滿足 CDF 的所有要求。然后就可以將預測分布與真值的退化分布進行比較。我們肯定希望預測的分布盡可能接近真實情況；所以可以通過測量這兩個 CDF 之間的（平方）面積來數(shù)學表示：

MAE與MAE關(guān)系

CRPS與著名的MAE(平均絕對誤差)密切相關(guān)。如果采用逐點預測將其視為退化 CDF 并將其注入 CRPS 方程可以得到：

所以如果預測分布是退化分布（例如逐點估計），則 CRPS 會降低為 MAE。這有助于我們從另一個角度理解CRPS：它可以被視為將 MAE 推廣到分布的預測中，或者說當預測分布退化時，MAE 是 CRPS 的特例。

當模型的預測是參數(shù)分布時（例如需要預測分布參數(shù)），CRPS 對一些常見的分布有一個解析表達式 [3]。如果模型預測正態(tài)分布的參數(shù) μ 和 σ，則可以使用以下公式計算 CRPS：

這個方案可以解決已知的分布，如Beta, Gamma, Logistic，對數(shù)正態(tài)分布和其他[3]。

當預測是非參數(shù)的，或者更具體地說——預測是一系列模擬時，計算 eCDF 是一項繁重的任務。但是CRPS 也可以表示為：

其中 X, X' 是 F 獨立同分布。這些表達式雖然仍然需要一些計算量，但更易于計算。

Python實現(xiàn)

import numpy as np
 
 
 # Adapted to numpy from pyro.ops.stats.crps_empirical
 # Copyright (c) 2017-2019 Uber Technologies, Inc.
 # SPDX-License-Identifier: Apache-2.0
 def crps(y_true, y_pred, sample_weight=None):
     num_samples = y_pred.shape[0]
     absolute_error = np.mean(np.abs(y_pred - y_true), axis=0)
 
     if num_samples == 1:
         return np.average(absolute_error, weights=sample_weight)
 
     y_pred = np.sort(y_pred, axis=0)
     diff = y_pred[1:] - y_pred[:-1]
     weight = np.arange(1, num_samples) * np.arange(num_samples - 1, 0, -1)
     weight = np.expand_dims(weight, -1)
 
     per_obs_crps = absolute_error - np.sum(diff * weight, axis=0) / num_samples**2
     return np.average(per_obs_crps, weights=sample_weight)

根據(jù)NRG形式[2]實現(xiàn)的CRPS函數(shù)。改編自pyroppl[6]

import numpy as np
 
 
 def crps(y_true, y_pred, sample_weight=None):
     num_samples = y_pred.shape[0]
     absolute_error = np.mean(np.abs(y_pred - y_true), axis=0)
 
     if num_samples == 1:
         return np.average(absolute_error, weights=sample_weight)
 
     y_pred = np.sort(y_pred, axis=0)
     b0 = y_pred.mean(axis=0)
     b1_values = y_pred * np.arange(num_samples).reshape((num_samples, 1))
     b1 = b1_values.mean(axis=0) / num_samples
 
     per_obs_crps = absolute_error + b0 - 2 * b1
     return np.average(per_obs_crps, weights=sample_weight)

上面代碼是根據(jù)PWM形式[2]實現(xiàn)CRPS。

總結(jié)

連續(xù)分級概率評分 (CRPS) 是一種評分函數(shù)，用于將單個真實值與其預測分布進行比較。此屬性使其與貝葉斯機器學習相關(guān)，其中模型通常輸出分布預測而不是逐點估計。它可以看作是眾所周知的 MAE 對分布預測的推廣。

它具有用于參數(shù)預測的解析表達式，并且可以針對非參數(shù)預測進行簡單計算。CRPS 可能會成為評估具有連續(xù)目標的貝葉斯機器學習模型性能的新標準方法。