論文の概要: Using interpretable boosting algorithms for modeling environmental and
agricultural data
- arxiv url: http://arxiv.org/abs/2305.02699v1
- Date: Thu, 4 May 2023 10:16:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 16:12:20.369839
- Title: Using interpretable boosting algorithms for modeling environmental and
agricultural data
- Title(参考訳): 環境・農業データモデリングのための解釈可能なブースティングアルゴリズム
- Authors: Fabian Obster, Christian Heumann, Heidi Bohle, Paul Pechan
- Abstract要約: 本稿では,高次元環境データの解析に解釈可能なブースティングアルゴリズムを用いる方法について述べる。
提案手法は, 群構造をどう考えるか, 相互作用が高次元データセットでどのように見られるのかを, 新たな2段階ブースティング手法を用いて示すものである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We describe how interpretable boosting algorithms based on ridge-regularized
generalized linear models can be used to analyze high-dimensional environmental
data. We illustrate this by using environmental, social, human and biophysical
data to predict the financial vulnerability of farmers in Chile and Tunisia
against climate hazards. We show how group structures can be considered and how
interactions can be found in high-dimensional datasets using a novel 2-step
boosting approach. The advantages and efficacy of the proposed method are shown
and discussed. Results indicate that the presence of interaction effects only
improves predictive power when included in two-step boosting. The most
important variable in predicting all types of vulnerabilities are natural
assets. Other important variables are the type of irrigation, economic assets
and the presence of crop damage of near farms.
- Abstract(参考訳): 本稿では,リッジ正規化一般化線形モデルに基づく解釈可能なブースティングアルゴリズムを用いた高次元環境データの解析について述べる。
環境・社会的・人的・生物物理学的データを用いて、チリやチュニジアの農家の気候災害に対する経済的脆弱性を予測する。
提案手法は, 群構造をどう考えるか, 相互作用が高次元データセットでどのように見られるかを示す。
提案手法の利点と有効性について考察した。
その結果、相互作用効果の存在は2段階の促進に含まれる場合のみ予測力を改善することが示唆された。
すべてのタイプの脆弱性を予測する上で最も重要な変数は自然資産である。
その他の重要な変数は灌水の種類、経済資産、近辺の農場の作物被害の存在である。
関連論文リスト
- A Distributed Approach to Meteorological Predictions: Addressing Data
Imbalance in Precipitation Prediction Models through Federated Learning and
GANs [0.0]
気象データの分類は、気象現象をクラスに分類することで、微妙な分析と正確な予測を容易にする。
分類アルゴリズムは、データ不均衡のような課題を巧みにナビゲートすることが不可欠である。
データ拡張技術は、稀だが重要な気象事象を分類する際のモデルの精度を向上させることができる。
論文 参考訳(メタデータ) (2023-10-19T21:28:20Z) - Learning Bayesian Networks with Heterogeneous Agronomic Data Sets via
Mixed-Effect Models and Hierarchical Clustering [0.0]
2021年現在、トウモロコシはサハラ以南のアフリカ、アジア、ラテンアメリカで1億9700万ヘクタールを占める。
混合効果モデル、ランダム係数モデル、ランダム森林、ディープラーニングアーキテクチャなど、さまざまな統計的および機械学習モデルが、トウモロコシの収量を予測するために考案されている。
本研究では,無作為な効果をベイズネットワーク(BN)に統合し,その能力を利用して有向非巡回グラフによる因果関係と確率関係をモデル化する。
論文 参考訳(メタデータ) (2023-08-11T21:46:45Z) - Extreme Gradient Boosting for Yield Estimation compared with Deep
Learning Approaches [0.0]
本稿では,XGBoost(Extreme Gradient Boosting, エクストリームグラディエントブースティング)を利得予測に利用するための,リモートセンシング画像を特徴ベース表現に処理するためのパイプラインを提案する。
米国におけるダイズ収量予測の比較評価は,Deep Learningに基づく最先端の収量予測システムと比較して有望な予測精度を示している。
論文 参考訳(メタデータ) (2022-08-26T12:48:18Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳(メタデータ) (2022-07-19T16:15:11Z) - Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。
我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。
ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
論文 参考訳(メタデータ) (2022-06-29T07:49:48Z) - Predicting the Geoeffectiveness of CMEs Using Machine Learning [0.0]
この研究は、ホワイトライトコロナグラフデータセットに基づいてトレーニングされたさまざまな機械学習手法の実験に焦点を当てている。
我々は、ロジスティック回帰、K-Nearest Neighbors、Support Vector Machines、フォワード人工ニューラルネットワーク、およびアンサンブルモデルを用いたバイナリ分類モデルを開発する。
このタスクの主な課題、すなわち、我々のデータセットにおけるジオエフェクトイベントの数と非エフェクトイベントの数の間の極端な不均衡について論じる。
論文 参考訳(メタデータ) (2022-06-23T03:56:22Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳(メタデータ) (2022-04-18T09:25:06Z) - Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。
周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。
本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
論文 参考訳(メタデータ) (2022-01-25T12:44:23Z) - DeepAg: Deep Learning Approach for Measuring the Effects of Outlier
Events on Agricultural Production and Policy [4.800161917503703]
我々は,econometricsを用いた新しいフレームワーク,すなわちDeepAgを提案し,Deep Learning (DL) を用いた異常事象検出の効果を測定した。
我々は,Long Short-Term Memory(LSTM)ネットワークと呼ばれるDL技術を用いて商品生産を高精度に予測する。
本稿では,公共政策に対するDeepAgの影響,政策立案者や農家への洞察,農業生態系における経営決定について述べる。
論文 参考訳(メタデータ) (2021-10-22T20:55:33Z) - How Knowledge Graph and Attention Help? A Quantitative Analysis into
Bag-level Relation Extraction [66.09605613944201]
バッグレベルの関係抽出(RE)における注意と知識グラフの効果を定量的に評価する。
その結果,(1)注目精度の向上は,エンティティ参照特徴を抽出するモデルの性能を損なう可能性があること,(2)注目性能は様々なノイズ分布パターンの影響が大きいこと,(3)KG強化された注目はRE性能を向上するが,その効果は注目度を向上させるだけでなく,先行するエンティティを組み込むことによっても改善することがわかった。
論文 参考訳(メタデータ) (2021-07-26T09:38:28Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳(メタデータ) (2021-06-14T20:48:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。