领域适应在生态学与水文学机器学习中提升模型外推能力的潜力
地球物理
2024-03-19 v1 机器学习
数据分析、统计与概率
摘要
由于生态和水文地面真值观测全球分布的异质性，机器学习模型在应用于未知位置时可能具有有限的适应性，这被称为弱外推能力。领域适应技术已广泛应用于图像分类等机器学习领域，它可以通过调整训练集和测试集之间领域分布的差异或不一致性来提高模型的泛化能力。然而，尽管这些模型经常因地理外推能力问题受到质疑，这种方法在全球尺度的生态学和水文学机器学习模型中却很少被明确使用。本文简要描述了当前生态学和水文学机器学习模型在观测分布的全球代表性方面的缺陷以及由此导致的缺乏外推能力的局限性，并建议未来相关的建模工作应考虑使用领域适应技术来提高外推能力。
引用
@article{arxiv.2403.11331,
title = {Potential of Domain Adaptation in Machine Learning in Ecology and Hydrology to Improve Model Extrapolability},
author = {Haiyang Shi},
journal= {arXiv preprint arXiv:2403.11331},
year = {2024}
}