RFsp — Random Forest for spatial data (R tutorial) (翻译)

原文 :https://github.com/thengl/GeoMLA

摘要:本教程介绍了如何使用随机森林生成空间和时空预测(即使用随机森林从点观测生成地图)。空间自相关,特别是在交叉验证残差中仍然存在时,表明预测可能存在偏差,这是次优的。为了解释这一点,我们使用随机森林(如ranger包中实现的那样)结合到抽样位置的地理距离来拟合模型和预测值。我们描述八个典型情况下感兴趣的空间预测的应用:

(1)二维连续变量的预测没有,

(2)预测二维变量,

(3)二项预测变量,

(4)预测分类变量,

(5)预测变量的极值,

(6)加权回归,

(7)预测多变量问题,

(8)预测的时空变量。

结果表明,RFsp与基于模型的地质统计学结果具有可比性。相对于基于模型的地理统计,RFsp的优势在于,RFsp需要更少的统计假设,并且更容易自动化(并通过并行化进行扩展)。另一方面,RFsp的计算强度会随着训练点和协变量的增加而增大。RFsp仍然是一种实验方法,不推荐使用大数据集(>>1000点)。

This is a supplementary material prepared for the need of a scientific article: Hengl, T., Nussbaum, M., Wright, M. and Heuvelink, G.B.M., 2018. "Random Forest as a Generic Framework for Predictive Modeling of Spatial and Spatio-temporal Variables", PeerJ (accepted for publication). To download all data sets and more detail code examples please refer to https://github.com/thengl/GeoMLA/tree/master/RF_vs_kriging

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值