A working guide to boosted regression trees

IF 3.7 1区环境科学与生态学 Q1 ECOLOGY

Journal of Animal Ecology Pub Date : 2008-04-08 DOI:10.1111/j.1365-2656.2008.01390.x

J. Elith, J. R. Leathwick, T. Hastie

引用次数: 4849

Abstract

Abstract Image

查看原文本刊更多论文

增强回归树的工作指南

1. 生态学家使用统计模型进行解释和预测，并且需要足够灵活的技术来表达他们的数据的典型特征，如非线性和相互作用。2. 本研究为增强回归树(BRT)提供了一个工作指南，BRT是一种用于拟合统计模型的集成方法，与旨在拟合单一简约模型的传统技术有根本不同。增强回归树结合了两种算法的优势:回归树(通过递归二叉分割将响应与其预测器关联起来的模型)和增强(一种组合许多简单模型以提高预测性能的自适应方法)。最终的BRT模型可以理解为一个加性回归模型，其中单个项是简单的树，以向前的、分阶段的方式拟合。3.增强回归树结合了基于树的方法的重要优点，处理不同类型的预测变量和适应缺失的数据。它们不需要先验数据转换或排除异常值，可以拟合复杂的非线性关系，并自动处理预测器之间的交互效应。在BRT中拟合多树克服了单树模型的最大缺点:相对较差的预测性能。尽管BRT模型是复杂的，但它们可以以提供强大的生态洞察力的方式进行总结，并且它们的预测性能优于大多数传统建模方法。4. BRT的独特特征在模型拟合中提出了许多实际问题。我们通过对新西兰本土淡水鱼——短鳍鳗(Anguilla australis Richardson)的分布分析，展示了BRT的实用性和优势。我们使用超过13000个站点的数据集来说明几种设置的影响，然后使用数据子集拟合和解释模型。我们提供代码和教程，使生态学家能够更广泛地使用BRT。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Journal of Animal Ecology 环境科学-动物学

CiteScore

9.10

自引率

4.20%

发文量

188

审稿时长

3 months

期刊介绍： Journal of Animal Ecology publishes the best original research on all aspects of animal ecology, ranging from the molecular to the ecosystem level. These may be field, laboratory and theoretical studies utilising terrestrial, freshwater or marine systems.