在本文中，我们提出了一种新颖的方法来实现预测验证。具体而言，我们基于以下证据引入了一种评估预测错误的严重性的策略：一方面，仅预测发生事件的虚假警报要比连续发生的非发生事件中的虚假警报要好。另一方面，遗漏孤立事件比遗漏单个事件的影响更严重，后者是几次连续事件的一部分。依靠这个想法，我们引入了混淆矩阵和技能得分的新颖定义，它更加重视预测的价值而不是预测的质量。然后，我们介绍了用于二元分类的深度集成学习程序，其中，神经网络的概率结果是通过优化这些价值加权技能得分而聚类的。我们最终将在涉及污染，太空天气和股票报酬预测的三个应用程序的情况下展示该方法的性能。



"点击查看英文标题和摘要"