Puntuación de precisión del intervalo de confianza

Question

Tengo un algoritmo que es capaz de hacer una predicción y dado un intervalo de confianza (por ejemplo, 0,95) genera el límite superior e inferior de la predicción. Mi pregunta es, ¿cómo puedo obtener una puntuación de precisión ( en [0,1] ) para mi predicción dado el intervalo de confianza y los límites inferior y superior de salida?

Mi única idea era utilizar los límites para calcular el porcentaje de error máximo de la predicción, pero de este modo no se aprovecha el intervalo de confianza en el cálculo. (ej. predicción=2, superior=3, inferior=1, el error máximo es (predicción-inferior)/predicción o (predicción-superior)/predicción )

Answer 1

Esto no se hace realmente. De todos modos, un ejemplo sencillo que se me ocurre sería:

1. Normalizar en relación con todos los datos, si eso es aceptable para usted

Así que una escala estándar min-max, obtener la distancia máxima entre los límites inferior y superior para todas las predicciones, y la escala de cada intervalo / distancia por esta distancia máxima, esto le dará un nuevo valor entre 0 y 1. Usted tiene que repetir esto si usted consigue nuevos datos, sin embargo, porque usted podría obtener un nuevo intervalo con mayor distancia.

2. Normalizar en relación con el intervalo

Así que similar a lo que propuso, hacer $\frac{Predicted-Lower}{Upper-Lower}$ para obtener un valor entre 0 y 1, de nuevo se escala sobre la distancia entre el máximo y el mínimo, pero para cada predicción individualmente.