《Journal of Choice Modelling》：Modelling choices: The conflict between realism and prediction performance
编辑推荐：
选择建模：现实性与预测性能之间的冲突
• 比较随机效用（Random Utility, RUM）、数学心理学（Mathematical Psychology, MP）与机器学习（Machine Learning, ML）模型。
• ML算法在训练集上表
选择建模：现实性与预测性能之间的冲突
• 比较随机效用（Random Utility, RUM）、数学心理学（Mathematical Psychology, MP）与机器学习（Machine Learning, ML）模型。
• ML算法在训练集上表现更优，但其优势在测试集上减弱。
• 与ML算法相比，RUM与MP产生更具行为合理性的弹性。
• 在ML算法中，人工神经网络（Artificial Neural Networks, ANNs）在预测和弹性值上表现更好。
• 突出三种不同方法论框架的优势与不足。
研究背景：理解、解释和预测人类选择是多个研究领域的焦点；ML擅长识别复杂统计模式并进行样本外验证，但难以稳健解释参数与行为机制；MP的“过程模型”可揭示决策过程，却多受计算复杂性和实验室数据限制，缺乏真实世界检验和政策输出；选择建模（Choice Modelling, CM）中的随机效用最大化（Random Utility Maximisation, RUM）在预测与可解释性之间较平衡并服务政策分析，但标准设定主要处理结构化属性，预测表现依赖数据与建模情境。三框架间知识溢出有限，因此研究人员在共同实证框架下比较RUM、MP与ML，评估预测精度、泛化性和需求弹性真实性。研究得出：ML在训练集上优势明显，但在测试集上收益减弱或消失；理论驱动模型在分布偏移下更稳定；RUM在行为可解释性、样本外预测和政策适用性之间提供最强平衡；ANN较其他ML算法更接近RUM/MP。其意义在于为方法选择和政策应用提供基准，并提示混合建模潜力。
关键技术方法（不超过250字）：研究人员使用两个样本：DECISIONS项目智能手机GPS出行日记显示偏好（revealed preference, RP）数据（University of Leeds选择建模中心；Calastri等采集，Tsoleridis等清洗；540人、12,524次出行、6种方式）和瑞士价值旅行时间（value of travel time, VTT）研究陈述偏好（stated preference, SP）路径选择数据（Axhausen等；3,492个观测、388名受访者）。估计多项Logit（Multinomial Logit, MNL）、混合多项Logit（Mixed Multinomial Logit, MMNL）、决策场理论（Decision Field Theory, DFT）、Quantum、mixed Quantum/DFT、随机森林（Random Forests, RF）、极端梯度提升（eXtreme Gradient Boosting, XGBOOST）和ANN；采用80%/20%按个体随机划分及6 km短/长距离划分，网格搜索与5折交叉验证调参，Apollo、sklearn、xgboost实现；比较平均选择概率、命中率、负对数似然（negative log-likelihood, LL）、均方根误差（root mean square error, RMSE）、弹性和估计时间。
4.1. Decisions dataset（决策数据集）：在RP模式选择数据上比较三类模型。
4.1.1. Experiment description：研究人员设定MNL、MMNL、DFT、Quantum、mixed Quantum、XGBOOST、RF和ANN，采用80%/20%按个体划分与6 km短/长距离划分；GEV设定因无显著方式间相关而退回MNL；第二场景用于检验分布偏移下的泛化。
4.1.2. Experiment results：80%/20%下MNL、DFT和Quantum预测相近；ML训练集更好但测试集优势减弱，ANN测试平均选择概率略高于MNL，XGBOOST测试命中率最高，RF过拟合；MMNL测试LL最佳，Quantum测试份额RMSE最佳。短/长距离下训练—测试差距增大，MNL下降2.7%/4.3%，RF下降29.0%/19.3%，ANN最稳（4.8%/4.2%）；测试集除ANN外ML差于MNL，MP中DFT平均概率优于MMNL但命中率更差，Quantum与MMNL平均概率相同且命中率更好。弹性上，MNL与DFT接近（成本?0.073/?0.068；时间?0.247/?0.252），MMNL、Quantum、mixed Quantum更低；ML中ANN最接近RUM/MP（成本?0.083；时间?0.190），RF时间弹性?0.099，XGBOOST最低（?0.034/?0.048）。与Wardman元分析相比，RUM和DFT时间弹性更接近，MNL和ANN成本弹性更接近。XGBOOST估计最快、RF次之，mixed Quantum最慢，MMNL和MP耗时高。
4.2. Swiss VTT dataset（瑞士VTT数据集）：在SP路径选择数据上外部验证。
4.2.1. Experiment description：模型包括MNL、MMNL、DFT、mixed DFT、Quantum、mixed Quantum、RF、XGBOOST和ANN；仅采用80%/20%随机个体划分；效用含线性/对数时间成本、商务成本移位、headway和换乘；用于检验不同选择情境下的预测。
4.2.2. Experiment results：训练集各模型约0.70平均选择概率和0.80命中率，XGBOOST略优；测试集RUM和MP优于ML，Quantum平均概率最佳、MMNL命中率最佳；XGBOOST训练最好但测试下降最大（4.3%/5.5%），RF最差，ANN最稳；MNL测试LL显著优于ML，MMNL测试LL最佳，MNL测试份额RMSE最佳；弹性上MNL、MMNL、DFT、Quantum和ANN较接近，RF接近无弹性（?0.039/?0.003），XGBOOST较低（?0.337/?0.076）。XGBOOST/RF训练最快，mixed DFT/mixed Quantum最慢。
讨论与结论：讨论部分总结认为，这是首次在共同实证框架下比较MP、CM和ML；行为理论模型表现相似，ML内部差异大，ANN更接近RUM/MP；留出样本性能和弹性随模型类型显著变化；RP中MNL和DFT稳定，ML在异分布测试中显著变差，理论驱动模型泛化更好；SP中理论驱动测试预测更优，ML存在过拟合；弹性分析支持理论驱动方法更符合已有文献和行为直觉；RUM在可解释性、样本外预测和政策适用性之间最平衡，是强实践基准，但并非捕捉决策所有方面；MP提供更丰富认知表示，ML灵活处理复杂模式和高维数据；混合方法可扩展RUM，但并非实现可解释、预测充分和政策相关核心组合的必要条件。研究结论翻译：据作者所知，本研究首次将数学心理学模型与选择建模和机器学习模型比较。结果表明，基于行为理论的模型（无论RUM还是MP）表现相似，而ML模型呈现不同性能模式，尤其ANN与集成学习算法不同；ANN与RUM/MP更相似，可能反映ANNs与效用模型的结构相似。研究还表明，留出样本性能和模型弹性随模型类型显著变化；RP中MNL和DFT在两种样本外场景稳定，ML在不同于训练集的测试集显著变差，因此理论驱动模型可能更好泛化选择背后的因素，但需更多不同数据集检验；该局限对ML政策采用尤其不利。SP中理论驱动模型测试预测优于ML，后者出现过拟合；需求弹性分析进一步表明理论驱动方法可能产生更符合行为直觉且与现有文献一致的结果，更适合现实应用。总体上，RUM在行为可解释性、样本外预测性能和政策分析适用性之间提供最强平衡；在本应用范围内，RUM是行为选择分析的强实践基准。尽管如此，利用ML元素增强MP和RUM仍具潜力；本研究不意味着RUM捕捉决策所有方面或在所有实证情境中必然更优，MP提供更丰富认知过程表示，ML提供识别复杂模式和处理高维数据的更大灵活性，现有和未来混合方法可扩展RUM，尤其面向复杂行为现象和数据结构，但这些扩展不应被视为实现RUM已展示的可解释性、预测充分性和政策相关性核心组合的必要条件。
