模拟数据何时匹配真实数据？-研究论文

基于代理的模型可以复制现实世界的模式，但找到实现最佳匹配的参数可能很困难。 为了验证模型，真实世界的数据集通常分为训练集（校准参数）和测试集（验证校准模型）。 训练和测试数据与模拟数据之间的差异是使用误差度量确定的。 在进化计算技术的背景下，误差度量也用作适应度函数，从而影响进化搜索动态。 我们调查了五种不同的错误度量对玩具问题和将模型与实证在线新闻消费行为相匹配的现实世界问题的影响。 我们分别使用每个误差度量对训练数据集进行校准，然后在训练和测试数据集上检查所有五个误差度量的结果。 我们表明，某些误差度量有时比其他误差度量用作更好的适应度函数，实际上，与直接使用不同度量相比，使用一种误差度量可能会导致更好的校准（在不同的度量上）。 对于玩具问题，Pearson 的相关性度量支配了所有其他度量，但没有一个单一的错误度量在现实世界问题中占主导地位。 这是论文的海报版本。