Predicting the future is hard and other lessons from a population time series data science competition

پیش بینی جمعیت، که در آن دینامیک گذشته برای پیش بینی وضعیت آینده استفاده می شود، دارای بسیاری از برنامه های کاربردی در دنیای واقعی است. در حالی که مجموعه های فراوانی از فراوانی حیوانات اغلب به شیوهای طراحی شده اند که هدف آنها گرفتن فرآیندهای زیست شناختی پایه است، انجام چنین کاری برای پیش بینی های خوب لازم نیست و کافی نیست. در اینجا ما در یک رقابت علمی داده ها متمرکز بر مدل سازی سری زمانی از فراوانی پنگوئن قطب جنوب است. ما بهترین مدل های ارائه شده را توصیف می کنیم و آنها را با مدل بیزی که قبلا توسط متخصصین دامنه توسعه داده شده است مقایسه می کنیم و یک مدل سازمانی را ایجاد می کنیم که از مدل های جزء جزء در دقت پیش بینی بهتر عمل می کند. مدل های عملکردی فوق العاده در پیچیدگی های مدل بسیار متنوع بودند، که از ساده ترین فرآیندهای جلوگیری از میانگین رشد متوسط ​​به مجموعه ای از مدل های یکپارچه سازی تکنیک های یادگیری ماشین آموخته شده است. با وجود قاب بندی کوتاه مدت رقابت، چهار مدل ارائه شده، از مدل پیش از آن توسط تیم متخصصین دامنه ساخته شده اند. ما در مورد ساختار بهترین مدل ها و اجزای آنها در آن بحث می کنیم که ممکن است برای دیگر برنامه های کاربردی زیست محیطی سودمند باشد، مزیت ایجاد مجموعه ای از مدل ها برای پیش بینی اکولوژیکی، و هزینه ها و مزایای استفاده از تخصص دامنه دقیق در مدل سازی اکولوژیکی. علاوه بر این، ما در مورد مزایای رقابت های داده ها بحث می کنیم، از جمله افزایش دید برای سوالات به چالش کشیدن علم، تولید تکنیک های جدید که هنوز در جامعه اکولوژیک پذیرفته نشده است، و توانایی تولید پیش بینی مدل های گروهی که مستقیما به عدم قطعیت مدل اشاره می کنند، بحث می کنیم.