我有一个对几个时间变量进行训练的动态朴素贝叶斯模型。模型的输出是 的预测P(Event) @ t+1，在每个 估计t。

P(Event)对比图time如下图所示。在这个图中，黑线代表P(Event)我的模型所预测的；水平红线代表事件发生的先验概率；垂直虚线表示时间序列上的（五）事件发生。

理想情况下，我希望P(Event)在观察任何事件之前看到预测的峰值，并在没有事件前景时保持接近零。

我希望能够报告我的模型（黑线）在预测事件发生方面的表现。与我的模型进行比较的一个明显候选者是事件的先验概率（红线），如果用作预测变量，它将预测所有t.

实现这种比较的最佳形式方法是什么？

PS：我目前正在使用如下编码的（直观）评分，其中总体较低的分数表示更好的预测性能。我发现实际上很难用这个得分击败先验：

# Get prediction performance
model_score = 0; prior_score=0; 

for t in range(len(timeSeries)):

   if(timeSeries[t]== event):  # event has happened
      cur_model_score = 1- prob_prediction[t]; 
      cur_prior_score = 1 - prior
   else: # no event
      cur_model_score = prob_prediction[t] - 0;
      cur_prior_score = prior - 0;

   model_score = model_score + abs(cur_model_score);
   prior_score = prior_score + abs(cur_prior_score);