У нас вы можете посмотреть бесплатно Cómo PREDECIR el FUTURO con la Inteligencia Colectiva de EXPERTOS или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса ClipSaver.ru
Este estudio explora cómo podemos combinar las predicciones de probabilidad de un gran número de expertos para obtener un pronóstico más preciso y fiable, especialmente en situaciones complejas que evolucionan en el tiempo. El principal desafío es que los expertos actualizan sus creencias de manera esporádica e infrecuente, lo que genera una gran cantidad de datos dispersos que los modelos tradicionales de series temporales no pueden manejar eficazmente. La investigación se enfrenta a este problema para agregar la 'sabiduría de la multitud' de manera dinámica. Para solucionar este problema, los investigadores proponen un innovador modelo jerárquico dinámico. Este método agrupa las opiniones de los expertos en función de su nivel de conocimiento auto-reportado y las integra para producir una probabilidad agregada que es a la vez precisa y bien calibrada. El modelo está diseñado específicamente para funcionar en contextos donde los datos son escasos, capturando la evolución de las creencias colectivas a lo largo del tiempo y ajustando el sesgo de cada grupo de expertos. El modelo fue validado utilizando un extenso conjunto de datos del mundo real, que incluía más de 2.300 expertos realizando pronósticos sobre 166 eventos políticos internacionales a lo largo de dos años. Los resultados demuestran que el sistema es capaz de generar pronósticos agregados de alta calidad, superando a otros métodos. Además, el estudio ofrece conclusiones interesantes, como que los grupos de expertos, a pesar de su conocimiento, tienden a ser colectivamente poco confiados en sus predicciones. Link al paper: https://arxiv.org/pdf/1408.0087 Autores del estudio: Ville A. Satopää, Shane T. Jensen, Barbara A. Mellers, Philip E. Tetlock, Lyle H. Ungar Apoyanos en / audioarxiv Unete en / discord #estadísticas #InteligenciaColectiva #Prediccion #CienciaDeDatos #BigData #MachineLearning