用于R语言空间预测模型训练与评估的CAST包
机器学习
2024-04-11 v1 机器学习
定量方法
摘要
环境科学中的一项关键任务是连续地在空间甚至空间和时间上绘制环境变量。机器学习算法经常用于从局部实地观测中学习，通过估计未测量位置的目标变量值来进行空间预测。然而，与“非空间”预测任务相比，将机器学习策略应用于空间制图涉及额外的挑战，这些挑战通常源于空间自相关以及训练数据并非独立同分布。在过去几年中，我们开发了许多方法来支持机器学习在空间数据上的应用，包括开发合适的交叉验证策略用于性能评估和模型选择、空间特征选择，以及评估训练模型适用区域的方法。CAST包的意图是通过实现这些方法并使其易于集成到建模工作流中，来支持机器学习策略在预测性制图中的应用。本文介绍CAST包及其核心功能。在植物物种丰富度制图的案例研究中，我们将介绍建模工作流的不同步骤，并展示如何使用CAST来支持更可靠的空间预测。
引用
@article{arxiv.2404.06978,
title = {The CAST package for training and assessment of spatial prediction models in R},
author = {Hanna Meyer and Marvin Ludwig and Carles Milà and Jan Linnenbrink and Fabian Schumacher},
journal= {arXiv preprint arXiv:2404.06978},
year = {2024}
}
备注
16 pages,9 figures