cito：一个使用torch训练神经网络的R包
机器学习
2024-01-25 v3
摘要
深度神经网络(DNN)已成为生态学中的核心方法。当前多数深度学习(DL)应用依赖主流深度学习框架之一，特别是Torch或TensorFlow，来构建与训练DNN。然而，使用这些框架比R环境中典型的回归函数需要明显更多的经验与时间。在此我们呈现'cito'，一个用户友好的R语言DL包，允许以许多R包所用的熟悉公式语法指定DNN。为拟合模型，'cito'使用'torch'，利用数值优化的torch库，包括可在CPU或图形处理单元(GPU)上切换训练模型的能力（从而高效训练大型DNN）。此外，'cito'包含许多用户友好的模型绘图与分析函数，包括基于bootstrap的预测可选置信区间(CI)，以及带CI与p值的可解释AI (xAI)度量用于效应量与变量重要性。为展示使用'cito'的典型分析流程及其内置xAI特征探索训练后DNN，我们构建了非洲象的物种分布模型。我们希望通过提供用户友好的R框架来指定、部署与解释DNN，'cito'将使这一有趣模型类更易用于生态数据分析。'cito'的稳定版本可从综合R档案网络(CRAN)安装。
引用
@article{arxiv.2303.09599,
title = {cito: An R package for training neural networks using torch},
author = {Christian Amesoeder and Florian Hartig and Maximilian Pichler},
journal= {arXiv preprint arXiv:2303.09599},
year = {2024}
}
备注
12 pages, 4 figures, 2 tables