SDMtune: An R package to tune and evaluate species distribution models

过度拟合 计算机科学 超参数 机器学习 阿卡克信息准则 选型 人工智能 最大熵原理 一套 特征选择 数据挖掘 人工神经网络 历史 考古
作者
Sergio Vignali,Arnaud Barras,Raphaël Arlettaz,Veronika Braunisch
出处
期刊:Ecology and Evolution [Wiley]
卷期号:10 (20): 11488-11506 被引量:138
标识
DOI:10.1002/ece3.6786
摘要

Abstract Balancing model complexity is a key challenge of modern computational ecology, particularly so since the spread of machine learning algorithms. Species distribution models are often implemented using a wide variety of machine learning algorithms that can be fine‐tuned to achieve the best model prediction while avoiding overfitting. We have released SDMtune , a new R package that aims to facilitate training, tuning, and evaluation of species distribution models in a unified framework. The main innovations of this package are its functions to perform data‐driven variable selection, and a novel genetic algorithm to tune model hyperparameters. Real‐time and interactive charts are displayed during the execution of several functions to help users understand the effect of removing a variable or varying model hyperparameters on model performance. SDMtune supports three different metrics to evaluate model performance: the area under the receiver operating characteristic curve, the true skill statistic, and Akaike's information criterion corrected for small sample sizes. It implements four statistical methods: artificial neural networks, boosted regression trees, maximum entropy modeling, and random forest. Moreover, it includes functions to display the outputs and create a final report. SDMtune therefore represents a new, unified and user‐friendly framework for the still‐growing field of species distribution modeling.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小郭子发布了新的文献求助10
刚刚
hyx完成签到 ,获得积分10
刚刚
1秒前
1秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
齐齐巴宾应助科研通管家采纳,获得10
2秒前
ppg123应助科研通管家采纳,获得10
2秒前
爆米花应助科研通管家采纳,获得10
2秒前
今后应助科研通管家采纳,获得10
2秒前
2秒前
CipherSage应助科研通管家采纳,获得10
2秒前
所所应助科研通管家采纳,获得10
2秒前
2秒前
科目三应助科研通管家采纳,获得20
2秒前
Akim应助科研通管家采纳,获得10
2秒前
在水一方应助科研通管家采纳,获得10
2秒前
金刚经应助科研通管家采纳,获得10
2秒前
传奇3应助科研通管家采纳,获得10
2秒前
天天快乐应助科研通管家采纳,获得10
2秒前
顾矜应助科研通管家采纳,获得10
3秒前
3秒前
ppg123应助科研通管家采纳,获得10
3秒前
3秒前
3秒前
Acetonitrile应助树上熊采纳,获得10
3秒前
5秒前
qin发布了新的文献求助10
6秒前
隐形曼青应助三寸光阴采纳,获得10
6秒前
天明发布了新的文献求助10
8秒前
思源应助Hyperme采纳,获得10
10秒前
可爱的函函应助Libra采纳,获得10
10秒前
完美世界应助LYDZ2采纳,获得10
12秒前
小郭子完成签到,获得积分20
14秒前
15秒前
852应助辛勤棒棒糖采纳,获得30
15秒前
星辰大海应助qin采纳,获得10
15秒前
充电宝应助欣喜的迎梦采纳,获得10
15秒前
16秒前
17秒前
17秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256232
求助须知:如何正确求助?哪些是违规求助? 2898362
关于积分的说明 8300853
捐赠科研通 2567530
什么是DOI,文献DOI怎么找? 1394545
科研通“疑难数据库(出版商)”最低求助积分说明 652858
邀请新用户注册赠送积分活动 630522