日志评分可能不合适的一个地方：人类预测者的比较（他们可能倾向于夸大他们的信心）。

日志评分强烈惩罚非常过度自信的错误预测。以 100% 的置信度做出的错误预测会受到无限惩罚。For example, suppose a commentator says "I am 100% sure that Smith will win the election," and then Smith loses the election. 在日志评分下，所有评论员预测的平均分数现在永久停留在$-\infty$，最坏的可能。应该可以区分出一个错误的 100% 置信度预测的人比那些一直做出错误预测的人是一个更好的预测者。

日志

当我们发现实际值时预测的预期惊喜。

布赖尔

$L^2$，RMSE，OLS。

然而，事实是$p=2$是唯一的值$L^p$规范到正确的评分规则有损于这种直觉。

领域

预测向量之间夹角的余弦$(p,1-p)$和结果向量 (0,1) 或 (1,0)。

请注意，角度本身并不是正确的评分规则，这也有损于直觉。