本研究评估模糊概率预测，提出评分规则和校准的广义方法，揭示评分规则与校准目标之间的不一致性，强调决策理论熵的重要性，并展示其在机器学习中的应用。

本文研究了多种评分规则在概率预测模型中的应用，发现对数评分规则在高不确定性下表现优越，而球形评分规则在低不确定性下更佳。同时，提出了排序概率得分（RPS）作为医学图像分级的性能指标，并探讨了偏标记学习策略及其鲁棒性，提出了新颖的部分标签学习框架以应对大规模数据的计算复杂度。