Fugu-MT 論文翻訳(概要): PyGALAX: An Open-Source Python Toolkit for Advanced Explainable Geospatial Machine Learning

論文の概要: PyGALAX: An Open-Source Python Toolkit for Advanced Explainable Geospatial Machine Learning

arxiv url: http://arxiv.org/abs/2602.00907v1
Date: Sat, 31 Jan 2026 21:26:24 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-03 19:28:33.460013
Title: PyGALAX: An Open-Source Python Toolkit for Advanced Explainable Geospatial Machine Learning
Title（参考訳）: PyGALAX: 説明可能な地理空間機械学習のためのオープンソースのPythonツールキット
Authors: Pingping Wang, Yihong Yuan, Lingcheng Li, Yongmei Lu,
Abstract要約: PyGALAXは地理空間解析のためのPythonパッケージである。自動機械学習(AutoML)と説明可能な人工知能(XAI)技術を統合する。
参考スコア（独自算出の注目度）: 1.069960377424085
License: http://creativecommons.org/licenses/by/4.0/
Abstract: PyGALAX is a Python package for geospatial analysis that integrates automated machine learning (AutoML) and explainable artificial intelligence (XAI) techniques to analyze spatial heterogeneity in both regression and classification tasks. It automatically selects and optimizes machine learning models for different geographic locations and contexts while maintaining interpretability through SHAP (SHapley Additive exPlanations) analysis. PyGALAX builds upon and improves the GALAX framework (Geospatial Analysis Leveraging AutoML and eXplainable AI), which has proven to outperform traditional geographically weighted regression (GWR) methods. Critical enhancements in PyGALAX from the original GALAX framework include automatic bandwidth selection and flexible kernel function selection, providing greater flexibility and robustness for spatial modeling across diverse datasets and research questions. PyGALAX not only inherits all the functionalities of the original GALAX framework but also packages them into an accessible, reproducible, and easily deployable Python toolkit while providing additional options for spatial modeling. It effectively addresses spatial non-stationarity and generates transparent insights into complex spatial relationships at both global and local scales, making advanced geospatial machine learning methods accessible to researchers and practitioners in geography, urban planning, environmental science, and related fields.
Abstract（参考訳）: PyGALAXは地理空間解析のためのPythonパッケージで、自動機械学習(AutoML)と説明可能な人工知能(XAI)技術を統合して、回帰タスクと分類タスクの両方における空間的不均一性を分析する。 SHAP(SHapley Additive exPlanations)分析を通じて、解釈可能性を維持しながら、異なる地理的位置とコンテキストに対する機械学習モデルを自動的に選択し、最適化する。 PyGALAXはGALAXフレームワーク(Geospatial Analysis Leveraging AutoMLとeXplainable AI)を構築し、改善している。元々のGALAXフレームワークからのPyGALAXの大幅な拡張には、自動帯域幅選択と柔軟なカーネル関数選択が含まれており、多様なデータセットや研究課題にまたがる空間モデリングの柔軟性と堅牢性を提供する。 PyGALAXは、オリジナルのGALAXフレームワークのすべての機能を継承するだけでなく、空間モデリングのための追加オプションを提供しながら、アクセス可能で再現可能で容易にデプロイ可能なPythonツールキットにパッケージする。空間的非定常性に効果的に対処し、グローバルスケールとローカルスケールの両方で複雑な空間的関係に関する透過的な洞察を生成し、地理、都市計画、環境科学、および関連する分野の研究者や実践者に高度な地理空間的機械学習手法を提供する。

関連論文リスト

Predict the Retrieval! Test time adaptation for Retrieval Augmented Generation [66.36556189794526]
TTARAGは、特殊ドメインにおけるRAGシステム性能を改善するために、推論中に言語モデルのパラメータを動的に更新するテスト時適応手法である。提案手法では,モデルが検索した内容の予測を学習し,対象領域への自動パラメータ調整を可能にする。
論文参考訳（メタデータ） (2026-01-16T17:07:01Z)
PyG-SSL: A Graph Self-Supervised Learning Toolkit [71.22547762704602]
Graph Self-Supervised Learning (SSL)は近年,重要な研究領域として現れている。これらのグラフSSLメソッドの顕著な成果にもかかわらず、その実装は初心者にとって大きな課題となっている。 PyG-SSLと呼ばれるグラフSSLツールキットは、PyTorch上に構築されており、さまざまなディープラーニングや科学計算バックエンドと互換性がある。
論文参考訳（メタデータ） (2024-12-30T18:32:05Z)
TopoX: A Suite of Python Packages for Machine Learning on Topological Domains [89.43928198132942]
TopoXはPythonのソフトウェアスイートで、トポロジ上のコンピューティングと機械学習のための信頼性とユーザフレンドリなビルディングブロックを提供する。 TopoXは、TopoNetX、TopoEmbedX、TopoModelXの3つのパッケージで構成されている。
論文参考訳（メタデータ） (2024-02-04T10:41:40Z)
Identifying Light-curve Signals with a Deep Learning Based Object Detection Algorithm. II. A General Light Curve Classification Framework [0.0]
弱教師付き物体検出モデルを用いて光曲線を分類するための新しいディープラーニングフレームワークを提案する。本フレームワークは,光曲線とパワースペクトルの両方に最適なウィンドウを自動同定し,対応するデータにズームインする。我々は、変動星と過渡星の宇宙と地上の両方のマルチバンド観測から得られたデータセットに基づいてモデルを訓練する。
論文参考訳（メタデータ） (2023-11-14T11:08:34Z)
Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文参考訳（メタデータ） (2022-04-24T15:23:25Z)
PyLUSAT: An open-source Python toolkit for GIS-based land use suitability analysis [0.1611401281366893]
本稿では,PyLUSAT: Python for Land Use Suitability Analysis Toolsを紹介する。 PyLUSATはオープンソースのソフトウェアパッケージで、様々なタスクを適合性モデリングワークフローで実行するための一連のツールを提供する。精度と計算効率の両方に関して、ArcMap 10.4の同等のツールに対して評価された。
論文参考訳（メタデータ） (2021-07-04T16:19:16Z)
PAIRS AutoGeo: an Automated Machine Learning Framework for Massive Geospatial Data [7.742399489996169]
IBM PAIRS Geoscopeビッグデータおよび分析プラットフォームで、PAIRS AutoGeoと呼ばれる地理空間データのための自動機械学習フレームワークが導入された。このフレームワークは、必要なデータをロケーション座標に収集し、トレーニングデータを組み立て、品質チェックを行い、その後のデプロイメントのために複数の機械学習モデルをトレーニングする。このユースケースは、PAIRS AutoGeoが広範な地理空間の専門知識なしに機械学習を活用できるようにする方法の例です。
論文参考訳（メタデータ） (2020-12-12T21:12:41Z)
DIETERpy: a Python framework for The Dispatch and Investment Evaluation Tool with Endogenous Renewables [62.997667081978825]
DIETERはオープンソースの電力セクターモデルであり、可変再生可能エネルギー源の非常に高いシェアで将来の設定を分析するように設計されている。システム全体のコストを最小化し、様々な世代の固定および可変コスト、柔軟性、セクター結合オプションを含む。我々は、GAMS(General Algebraic Modeling System)で記述された既存のモデルバージョンの上に構築されたDIETERpyを紹介し、それをPythonフレームワークで強化する。
論文参考訳（メタデータ） (2020-10-02T09:27:33Z)
Landscape of R packages for eXplainable Artificial Intelligence [4.91155110560629]
この記事は主にRで利用可能なツールに特化していますが、Pythonコードの統合が容易であるため、Pythonから最も人気のあるライブラリの例も紹介します。
論文参考訳（メタデータ） (2020-09-24T16:54:57Z)
PyODDS: An End-to-end Outlier Detection System with Automated Machine Learning [55.32009000204512]
PyODDSは、データベースサポート付きアウトレイラ検出のための、エンドツーエンドのPythonシステムである。具体的には,探索空間を外乱検出パイプラインで定義し,与えられた探索空間内で探索戦略を作成する。また、データサイエンスや機械学習のバックグラウンドの有無に関わらず、統一されたインターフェイスと視覚化を提供する。
論文参考訳（メタデータ） (2020-03-12T03:30:30Z)
PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
論文参考訳（メタデータ） (2020-02-13T10:33:05Z)

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。