Proponents of the nonparametric app

Proponents of the nonparametric approach argued that it
provides better forecasts than parametric approaches in an array
of noised and chaotic case studies (Perretti et al., 2013a,b). They
further argued that their approach was easier to apply than
computationally demanding parametric approaches. The results
of this study do not contradict these two arguments. Nonparametric
forecasts were indeed found to outperform parametric ones
in a number of – but not all – cases with strongly reduced computational
costs (Fig. 4). However, no methods are yet available to
assess the reliability of nonparametric forecasts which is likely to
vary greatly (Fig. 4). Not knowing when a forecast is likely to
significantly fail is a major problem that should not be disregarded
(May et al., 2008).

ผลลัพธ์ (ไทย) 1:

Proponents วิธี nonparametric โต้เถียงมีการคาดการณ์ที่ดีกว่าแนวทางพาราเมตริกในอาร์เรย์noised และวุ่นวายกรณีศึกษา (Perretti et al., 2013a, b) พวกเขาเพิ่มเติม โต้เถียงว่า วิธีการง่ายต่อการใช้มากกว่าcomputationally เรียกร้องแนวทางพาราเมตริก ผลลัพธ์การศึกษานี้ไม่ขัดแย้งกับอาร์กิวเมนต์ที่สองเหล่านี้ Nonparametricคาดการณ์ได้พบคนพาราเมตริกที่มีประสิทธิภาพสูงกว่าแน่นอนในกรณีที่จำนวน – แต่ไม่ทั้งหมด – ด้วยขอลดคำนวณต้นทุน (Fig. 4) อย่างไรก็ตาม ไม่มีวิธียังมีประเมินความน่าเชื่อถือของการคาดการณ์ nonparametric ซึ่งเป็นแนวโน้มที่จะแตกต่างกันมาก (Fig. 4) ไม่ทราบว่าเมื่อการคาดการณ์แนวโน้มที่จะอย่างไม่เป็นปัญหาสำคัญที่ไม่ควรถูกละทิ้ง(May et al., 2008)

ผลลัพธ์ (ไทย) 2:

ผู้เสนอวิธีการที่ไม่อิงพารามิเตอร์ที่ถกเถียงกันอยู่ว่ามันมีการคาดการณ์ที่ดีกว่าวิธีการในตัวแปรอาร์เรย์กรณีศึกษาท่านเลื่องลือและวุ่นวาย(Perretti et al., 2013a, ข) พวกเขาต่อไปถกเถียงกันอยู่ว่าแนวทางของพวกเขาได้ง่ายขึ้นกว่าที่จะใช้คอมพิวเตอร์ที่เรียกร้องแนวทางพารา ผลที่ได้จากการศึกษาครั้งนี้ไม่ขัดแย้งทั้งสองมีปากเสียง nonparametric การคาดการณ์ที่พบแน่นอนดีกว่าคนที่ตัวแปรในจำนวนของ - แต่ไม่ทั้งหมด - กรณีที่มีการลดลงอย่างมากในการคำนวณค่าใช้จ่าย. (รูปที่ 4) แต่ไม่มีวิธีการใดที่ยังพร้อมที่จะประเมินความน่าเชื่อถือของการคาดการณ์ไม่อิงพารามิเตอร์ที่มีแนวโน้มที่จะแตกต่างกันมาก(รูปที่. 4) ไม่ทราบว่าเมื่อมีการคาดการณ์มีแนวโน้มที่จะมีนัยสำคัญล้มเหลวเป็นปัญหาสำคัญที่ไม่ควรถูกละเลย(พฤษภาคม et al., 2008)

ผลลัพธ์ (ไทย) 3:

ผู้เสนอของวิธีนอนพาราเมตริกที่ถกเถียงกันอยู่ว่ามันมีการคาดการณ์ที่ดีกว่าวิธี

ของพารามิเตอร์ใน array noised กรณีศึกษาวุ่นวาย ( perretti et al . , 2013A , B ) พวกเขา
เพิ่มเติมแย้งว่าวิธีการของพวกเขาเป็นง่ายต่อการใช้มากกว่า
computationally เรียกร้องวิธีการพาราเมตริก . ผลของการศึกษานี้
ไม่ขัดแย้งกับเหล่านี้สองอาร์กิวเมนต์ 3
คาดการณ์จริงพบว่าพารามิเตอร์ที่ outperform
ในหลาย–แต่ไม่ทั้งหมดและราย พร้อมขอลดต้นทุนการคำนวณ
( รูปที่ 4 ) อย่างไรก็ตาม ไม่มีวิธีการที่ยังใช้ได้

ประเมินความน่าเชื่อถือของตัวพยากรณ์ที่มีโอกาส
แตกต่างกันมาก ( รูปที่ 4 ) ไม่รู้ว่าเมื่อการคาดการณ์แนวโน้ม
อย่างล้มเหลวคือ เป็นปัญหาใหญ่ที่ไม่ควรมองข้าม
( อาจ et al . , 2008 )