为什么有人会使用其中一种而不是对数评分？

因此，理想情况下，我们总是将拟合模型与做出决策区分开来。在贝叶斯方法中，模型评分和选择应始终使用边际似然来完成。然后，您使用该模型进行概率预测，您的损失函数会告诉您如何对这些预测采取行动。

不幸的是，在现实世界中，计算性能经常要求我们将模型选择和决策混为一谈，因此使用损失函数来拟合我们的模型。这就是模型选择的主观性出现的地方，因为您必须猜测不同类型的错误会花费您多少。典型的例子是癌症诊断：高估某人患癌症的可能性不好，但低估它更糟糕。

顺便说一句，如果您正在寻找有关如何选择评分规则的指导，您可能还想寻找有关选择损失函数或设计效用函数的指导，因为我认为关于这两个主题的文献很多体积更大。