Coincidencia de probabilidad

La coincidencia de probabilidades es una estrategia de decisión en la que las predicciones de pertenencia a una clase son proporcionales a las tasas base de cada clase . Por lo tanto, si en el conjunto de entrenamiento se observan ejemplos positivos el 60 % de las veces y ejemplos negativos el 40 % de las veces, entonces el observador que utiliza una estrategia de coincidencia de probabilidades predecirá (para ejemplos sin etiquetar) una etiqueta de clase de "positivo" en el 60 % de las instancias y una etiqueta de clase de "negativo" en el 40 % de las instancias.

La estrategia de decisión bayesiana óptima en tal caso es predecir siempre "positivo" (es decir, predecir la categoría mayoritaria en ausencia de otra información), que tiene un 60% de probabilidad de ganar en lugar de coincidir, que tiene un 52% de probabilidad de ganar (donde p es la probabilidad de realización positiva, el resultado de coincidir sería${\displaystyle p^{2}+(1-p)^{2}}$, aquí${\displaystyle .6\times .6+.4\times .4}$). ^{[ 1 ]} La estrategia de igualación de probabilidad es de interés psicológico porque es empleada frecuentemente por sujetos humanos en estudios de decisión y clasificación. ^{[ 2 ]} Una estrategia relacionada para problemas de decisión secuenciales es el muestreo de Thompson , que elige una acción de acuerdo con la probabilidad posterior de que sea óptima; Thompson introdujo esta regla en 1933. ^{[ 3 ]} .

El único caso en el que la coincidencia de probabilidades arrojará los mismos resultados que la estrategia de decisión bayesiana mencionada anteriormente es cuando todas las tasas base de las clases son iguales. Por lo tanto, si en el conjunto de entrenamiento se observan ejemplos positivos el 50% de las veces, la estrategia bayesiana arrojaría una precisión del 50% (1 × 0,5), al igual que la coincidencia de probabilidades (0,5 × 0,5 + 0,5 × 0,5).