预测至未知空间？空间预测模型适用区域的估计
机器学习
2021-08-20 v1 机器学习
摘要
使用机器学习的预测建模在环境空间制图中已变得非常流行。模型常被用于进行远超采样点的预测，其中新的地理位置可能在环境属性上与训练数据有显著差异。然而，预测空间中缺乏训练数据支持的区域是有问题的。由于模型对这些环境一无所知，预测必须被视为不确定的。因此需要估计预测模型可被可靠应用的区域。在此，我们提出一种方法，划定“适用区域”（AOA），我们将其定义为模型的交叉验证误差所适用的区域。我们首先提出一个“相异度指数”（DI），它基于预测空间中到训练数据的最小距离，预测变量按其各自在模型中的重要性加权。然后，通过基于训练数据的 DI 应用一个阈值来推导 AOA，其中 DI 是相对于模型训练所用的交叉验证策略计算的。我们使用模拟数据测试理想阈值，并将 AOA 内的预测误差与模型的交叉验证误差进行比较。我们用一个模拟案例研究说明了该方法。我们的模拟研究表明，定义 AOA 的 DI 阈值取训练数据中 DI 的 .95 分位数。使用该阈值时，AOA 内的预测误差与模型的交叉验证 RMSE 相当，而交叉验证误差在 AOA 外不适用。这适用于用随机分布训练数据训练的模型，也适用于训练数据在空间上聚集且应用空间交叉验证的情况。我们建议将 AOA 与预测结果一并报告，作为验证指标的补充。
引用
@article{arxiv.2005.07939,
title = {Predicting into unknown space? Estimating the area of applicability of spatial prediction models},
author = {Hanna Meyer and Edzer Pebesma},
journal= {arXiv preprint arXiv:2005.07939},
year = {2021}
}
备注
16 pages, 10 figures, to be submitted to Methods in Ecology and Evolution