論文の概要: Random Forest Regression Feature Importance for Climate Impact Pathway Detection
- arxiv url: http://arxiv.org/abs/2409.16609v1
- Date: Wed, 25 Sep 2024 04:18:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 05:35:28.539675
- Title: Random Forest Regression Feature Importance for Climate Impact Pathway Detection
- Title（参考訳）: 気候影響経路検出のためのランダムフォレスト回帰特性の重要性
- Authors: Meredith G. L. Brown, Matt Peterson, Irina Tezaur, Kara Peterson, Diana Bull,
- Abstract要約: 気候源のRF時流下流衝撃の連鎖を発見し, ランク付けするための新しい手法を開発した。
より複雑な2つのベンチマークを実行することで生成されたデータのアンサンブルに本手法を適用した。
RFRの重要度に基づくアプローチは、両方のテストケースで既知の影響経路を正確に検出できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Disturbances to the climate system, both natural and anthropogenic, have far reaching impacts that are not always easy to identify or quantify using traditional climate science analyses or causal modeling techniques. In this paper, we develop a novel technique for discovering and ranking the chain of spatio-temporal downstream impacts of a climate source, referred to herein as a source-impact pathway, using Random Forest Regression (RFR) and SHapley Additive exPlanation (SHAP) feature importances. Rather than utilizing RFR for classification or regression tasks (the most common use case for RFR), we propose a fundamentally new RFR-based workflow in which we: (i) train random forest (RF) regressors on a set of spatio-temporal features of interest, (ii) calculate their pair-wise feature importances using the SHAP weights associated with those features, and (iii) translate these feature importances into a weighted pathway network (i.e., a weighted directed graph), which can be used to trace out and rank interdependencies between climate features and/or modalities. We adopt a tiered verification approach to verify our new pathway identification methodology. In this approach, we apply our method to ensembles of data generated by running two increasingly complex benchmarks: (i) a set of synthetic coupled equations, and (ii) a fully coupled simulation of the 1991 eruption of Mount Pinatubo in the Philippines performed using a modified version 2 of the U.S. Department of Energy's Energy Exascale Earth System Model (E3SMv2). We find that our RFR feature importance-based approach can accurately detect known pathways of impact for both test cases.
- Abstract（参考訳）: 自然と人為的両方の気候システムに対する障害は、伝統的な気候科学分析や因果モデリング技術を用いて、必ずしも識別や定量化が難しいような影響を極端に及んでいる。
本稿では,Random Forest Regression (RFR) とSHapley Additive exPlanation (SHAP) の特徴を活かして, 気候源の時空間的ダウンストリームの影響の連鎖を発見し, ランク付けする手法を開発した。
分類タスクや回帰タスク(RFRの最も一般的なユースケース)にRFRを利用するのではなく、基本的に新しいRFRベースのワークフローを提案します。
一 興味の時空間的特徴のセットにおける列車ランダム森林(RF)回帰者
(二)これらの特徴に関連付けられたSHAP重みを用いて、そのペアワイズ特徴重要度を算出し、
(iii)これらの特徴を重み付き経路網(すなわち重み付き有向グラフ)に変換し、気候の特徴と/またはモダリティの相互依存性を追跡・ランク付けすることができる。
我々は,新しい経路同定手法を検証するために,階層型検証手法を採用した。
このアプローチでは,より複雑な2つのベンチマークを実行することによって生成されるデータのアンサンブルに対して,本手法を適用した。
一 合成結合方程式の集合、及び
(II) フィリピンのピナトゥボ山の1991年の噴火を、アメリカ合衆国エネルギー省のエナジー・エクサスケール・アース・システム・モデル(E3SMv2)の修正版2を用いて完全に結合したシミュレーションを行った。
RFRの重要度に基づくアプローチは、両方のテストケースで既知の影響経路を正確に検出できる。
関連論文リスト
- Spatio-temporal Multivariate Cluster Evolution Analysis for Detecting and Tracking Climate Impacts [0.0]
本稿では,統計的に重要な影響を検出するための,新しい,効率的な教師なしデータ駆動手法を提案する。
提案手法は, 既知の事後影響・事象を検出することができることを示す。
さらに,NLPを用いて,作業後影響/事象の有意義なシーケンスを抽出する手法についても述べる。
論文 参考訳（メタデータ） (2024-10-21T22:13:09Z) - Applications of machine learning to predict seasonal precipitation for East Africa [0.0]
大規模な気候変動は、局所的または地域的温度または降水と線形または非線型な方法で関連付けられている。
本稿では,東アフリカにおける季節降水量の予測に解釈可能なML手法を用いることを検討した。
論文 参考訳（メタデータ） (2024-09-10T06:16:03Z) - SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。
伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。
本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T08:00:15Z) - Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。
推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文 参考訳（メタデータ） (2023-11-02T16:45:25Z) - Causal Feature Selection via Transfer Entropy [59.999594949050596]
因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。
本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。
精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
論文 参考訳（メタデータ） (2023-10-17T08:04:45Z) - Characterizing climate pathways using feature importance on echo state
networks [0.0]
エコー状態ネットワーク(ESN)は、時間的データのために設計された計算効率の良いニューラルネットワークのバリエーションである。
ESNは非解釈可能なブラックボックスモデルであり、変数関係を理解する上でハードルとなる。
我々は,特徴重要度の評価と比較を行うシミュレーション研究を行い,再分析気候データに対するアプローチを実証する。
論文 参考訳（メタデータ） (2023-10-12T16:55:04Z) - Physics Symbolic Learner for Discovering Ground-Motion Models Via
NGA-West2 Database [4.059252581613122]
地動モデル(GMM)は多くの地震工学研究の基礎となっている。
本研究では,数式演算子を記号として自動的に発見するために,新しい物理インフォームド記号学習法(PISL)を提案する。
論文 参考訳（メタデータ） (2023-03-23T04:14:05Z) - A Notion of Feature Importance by Decorrelation and Detection of Trends
by Random Forest Regression [1.675857332621569]
本稿では,よく研究されたGram-Schmidt decorrelation法に基づく特徴重要度の概念を導入する。
本研究では,ランダムな森林回帰を用いてデータ中の傾向を推定する2つの推定手法を提案する。
論文 参考訳（メタデータ） (2023-03-02T11:01:49Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳（メタデータ） (2022-11-15T14:15:04Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Recent Developments Combining Ensemble Smoother and Deep Generative
Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。
本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文 参考訳（メタデータ） (2020-05-08T21:32:42Z)
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。