用于物种分布建模的不平衡感知仅存在损失函数
机器学习
2024-03-13 v1
摘要
面对生物多样性显著下降的局面，物种分布模型（SDMs）通过将环境条件与物种出现情况联系起来，对于理解气候变化对物种栖息地的影响至关重要。传统上受限于物种观测数据的稀缺，这些模型通过整合公民科学计划提供的大型数据集，性能得到了显著提升。然而，它们仍然受到这些数据集中物种间强烈类别不平衡的影响，往往导致对稀有物种（即那些对保护工作最关键的物种）的惩罚。为解决这一问题，本研究评估了在大型基于公民科学的数据集上使用平衡的仅存在（presence-only）损失函数训练深度学习模型的有效性。我们证明，这种不平衡感知损失函数在各种数据集和任务中均优于传统损失函数，特别是在准确建模观测数据有限的稀有物种方面。
引用
@article{arxiv.2403.07472,
title = {Imbalance-aware Presence-only Loss Function for Species Distribution Modeling},
author = {Robin Zbinden and Nina van Tiel and Marc Rußwurm and Devis Tuia},
journal= {arXiv preprint arXiv:2403.07472},
year = {2024}
}
备注
Tackling Climate Change with Machine Learning at ICLR 2024