评估空间结构化数据模型的空间交叉验证方法性能
统计计算
2023-03-14 v1 统计方法学
摘要
评估拟合到具有内部空间结构的数据的模型需要特定的交叉验证(CV)方法,因为随机选取评估数据可能产生与用于训练模型的数据并非真正独立的评估集。许多空间CV方法已被提出以解决此问题,通过迫使模型在预测评估集时进行空间外推。然而,迄今为止关于哪些方法能产生最准确的模型性能估计的指导很少。我们进行了模拟,以比较拟合到空间结构化数据的五种常见CV方法所产生的模型性能估计。我们发现空间CV方法总体上改善了重代入和V折CV估计,特别是当结合空间毗连观测的评估集与空间排除缓冲区的方法时。为促进这些技术的使用,我们引入了`spatialsample`包,作为更广泛的tidymodels建模框架的一部分,提供执行空间CV的工具。
引用
@article{arxiv.2303.07334,
title = {Assessing the performance of spatial cross-validation approaches for models of spatially structured data},
author = {Michael J Mahoney and Lucas K Johnson and Julia Silge and Hannah Frick and Max Kuhn and Colin M Beier},
journal= {arXiv preprint arXiv:2303.07334},
year = {2023}
}
备注
18 pages, 6 figures, 5 tables. Submitted to Environmental Modelling & Software