HABITUSBaşvuru Kitabı

4. Değişkenler (② Variables)

Sekme: ② Variables · Kod: tabs/tab_vif.py (VIF + Correlation), tabs/tab_vif_advanced.py (Advanced Analysis), sdm_core.py compute_vif, compute_correlation_matrix, variable_priority_ranking (hesap)

4.1 Bu sekme ne yapar

② Variables, ① Data adımında yüklenen sürekli öngörücüler arasındaki çoklu doğrusallığı (collinearity: bir öngörücünün öteki öngörücülerin doğrusal bir bileşimine yakın olması) gösterir ve modele girecek değişkenleri seçtirir. Seçimi kullanıcı yapar. Program yalnız sıralar, işaretler ve bir başlangıç önerisi (Recommended) sunar; onaylanmadan hiçbir değişken modelden çıkmaz.

Sekmenin iki alt sekmesi vardır: VIF + Correlation (seçimin yapıldığı yer) ve Advanced Analysis (koşul sayısı, temel bileşenler, LASSO ve Ridge ile tamamlayıcı tanı). İkinci alt sekme seçim yapmaz; yalnız bilgi verir.

4.2 Ekranın düzeni

Şekil 4.1. VIF + Correlation alt sekmesi: üstte Analysis Settings şeridi, solda yüksek korelasyonlu çiftler, ortada değişken listesi (VIF ve AUC rozetleriyle), sağda korelasyon ısı haritası, altta seçim özeti ve Confirm düğmesi.
Şekil 4.1. VIF + Correlation alt sekmesi: üstte Analysis Settings şeridi, solda yüksek korelasyonlu çiftler, ortada değişken listesi (VIF ve AUC rozetleriyle), sağda korelasyon ısı haritası, altta seçim özeti ve Confirm düğmesi.

Şekil 4.1 örnek koşudan alınmıştır (Abies nordmanniana, 143 kullanılan varlık, 2 PA seti × 1000 nokta, 19 WorldClim biyoiklim değişkeni). Bölgeler:

Bölge Ne içerir Alt bölüm
Üst bilgi şeridi ve Analysis Settings Korelasyon eşiği, korelasyon yöntemi, VIF eşiği, Run / Refresh Analysis §4.4
Sol panel High-correlation pairs (|r| ≥ threshold) Eşiği aşan çiftler tablosu, "güvenli" değişken kutusu, Uncheck Variable A/B §4.5
Orta panel Variable selection (tick to include in model) Her sürekli değişken için onay kutusu, VIF rozeti, AUC rozeti, durum simgesi; altında kategorik bölüm; All, Recommended, None §4.6
Sağ panel Correlation Heatmap Kare hücreli korelasyon matrisi; eşiği aşan hücreler turuncu çerçeveli §4.5.3
Alt şerit Seçim özeti ("Selected (n): …") ve Confirm Variable Selection → Proceed to ③ Models §4.7
Advanced Analysis alt sekmesi Condition Number, PCA, LASSO (L1), Ridge (L2) §4.9

4.3 Hesaplar hangi örnek üzerinde yapılır

Bu sekmedeki bütün sayılar bir örneklem üzerinde hesaplanır, rasterın bütün hücreleri üzerinde değil. Örneklem, ① Data'nın ürettiği PA setlerinin alt alta eklenmesidir: her set, kullanılan varlıkların tamamını ve o setin sözde yokluklarını içerir (tabs/tab_vif.py:349-353, sdm_core.py:3221-3226). Örnek koşuda bu 2 × (143 + 1000) = 2286 satırdır. MaxEnt'in arka plan noktaları (10 000) bu havuza girmez.

İki alt sekme havuzu farklı hazırlar:

Not: VIF ve korelasyon, öngörücülerin kendi aralarındaki ilişkisidir; varlık/yokluk etiketine bakmaz. Ama hangi noktalarda ölçüldüğüne bağlıdır. Erişilebilir alan (① Data) geniş tutulursa sözde yokluklar daha geniş bir iklim aralığına yayılır ve korelasyonlar değişebilir. Aynı katmanların bütün çalışma alanındaki korelasyonu ile bu örneklemdeki korelasyon aynı olmak zorunda değildir.

Tek değişkenli AUC (aşağıda) ise etikete bakar: varlıklar 1, sözde yokluklar 0 alınır.

4.4 Analiz ayarları (Analysis Settings)

Bu şerit, çiftler tablosunun, ısı haritasının ve Recommended önerisinin hangi eşiklerle kurulacağını belirler.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Correlation threshold (|r| ≥): Bu değere eşit ya da büyük mutlak korelasyonlu çiftleri listeler, ısı haritasında çerçeveler; Recommended'ın ikinci adımında kullanılır 0.80 0.30–0.99, adım 0.05 tabs/tab_vif.py:123-130, sdm_core.py:435-445
Correlation method: Pearson (doğrusal) ya da Spearman (sıra) korelasyonu pearson pearson, spearman tabs/tab_vif.py:132-136, sdm_core.py:300-302
VIF flag threshold (info only): Rozet renklendirmesi, VIF_OK bayrağı ve Recommended'ın adım adım VIF eşiği 10.00 2–50, adım 1 tabs/tab_vif.py:138-143, sdm_core.py:405, sdm_core.py:427-434
↻ Run / Refresh Analysis Sıralamayı, çiftleri, listeyi ve ısı haritasını yukarıdaki üç değerle yeniden hesaplar — düğme tabs/tab_vif.py:339-376

4.4.1 Korelasyon eşiği (Correlation threshold)

4.4.2 Korelasyon yöntemi (Correlation method)

4.4.3 VIF eşiği (VIF flag threshold (info only))

4.4.4 VIF nasıl hesaplanır

Her sürekli değişken x_i, öteki bütün sürekli değişkenlere kesişimli doğrusal regresyonla bağlanır (sklearn.linear_model.LinearRegression) ve

\text{VIF}_i = \frac{1}{1 - R_i^2}

hesaplanır (sdm_core.py:221-297). Ayrıntılar:

4.5 Yüksek korelasyonlu çiftler ve ısı haritası

Sol panel ve sağdaki ısı haritası aynı korelasyon matrisinden kurulur. Amaç, birbirinin yerine geçen değişken çiftlerini göstermek ve her çiftten hangisinin bırakılacağına kullanıcının karar vermesini kolaylaştırmaktır.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Çift tablosu (Variable A, Variable B, |r|, ±) Eşiği aşan her çift; ad yanında tek değişkenli AUC; mutlak r ve işaret — — tabs/tab_vif.py:682-801
Çift satırına tıklama İki değişkenin listedeki çerçevesini turuncu vurgular ve görünür alana kaydırır — — tabs/tab_vif.py:827-865
Uncheck Variable A / Uncheck Variable B Seçili çiftin ilk / ikinci değişkeninin işaretini kaldırır — düğme tabs/tab_vif.py:209-221, 867-878
Güvenli değişken kutusu Hiçbir çiftte yer almayan değişkenler ("auto-selected") — — tabs/tab_vif.py:707-729
Correlation Heatmap Kare hücreli matris; RdYlGn renk ölçeği, −1…+1 — — tabs/tab_vif.py:937-1009

4.5.1 Çift tablosunun sütunları

Panelin üstündeki bilgi metni çift sayısını yazar ("Found 20 pair(s) with |r| ≥ 0.80"). Hiç çift yoksa "No variable pairs exceed |r| ≥ … All variables can be safely used together." yazar.

Dikkat: Çift tablosunun AUC renklendirmesi ve bilgi metnindeki "keep the variable with higher AUC or ecological relevance" önerisi, Recommended'ın ölçütüyle aynı değildir: Recommended bir çiftten VIF'i yüksek olanı çıkarır, AUC'ye bakmaz (§4.6.2). Tek değişkenli AUC yalnız bilgi içindir; bu örnekte iyi ayırt eden bir değişken, gerçek etkenle korelasyonu yüzünden iyi ayırt ediyor olabilir ve aktarımda başarısız olabilir (sdm_core.py:323-339). Bir çiftten hangisinin kalacağına öncelikle türün ekolojisi karar vermelidir.

4.5.2 Güvenli değişkenler

Eşiği aşan hiçbir çiftte yer almayan değişkenler yeşil bir kutuda "N variable(s) with NO high correlation — auto-selected" başlığıyla listelenir. Liste yeniden kurulduğunda bu değişkenler her zaman işaretli gelir (tabs/tab_vif.py:427-431). Örnek koşuda 0,80 eşiğiyle dört değişken güvenlidir: bio_15, bio_3, bio_8, bio_9 (Şekil 4.1).

Not: "Güvenli" yalnız ikili korelasyon anlamındadır. Bir değişken hiçbir tek değişkenle güçlü ilişkili olmadan birkaçının bileşimine yakın olabilir; bunu VIF gösterir. Örnekte bio_3 hiçbir çiftte değildir ama tam kümede VIF'i 125,1'dir. Recommended güvenli değişkenleri otomatik eklemez; yalnız adım adım seçimin sonucunu uygular (tabs/tab_vif.py:900-915).

4.5.3 Korelasyon ısı haritası

Isı haritası seçilen yöntemle hesaplanan bütün sürekli değişkenlerin matrisini gösterir. Hücreler kare ve sabit boyutludur (25 değişkene kadar 0,5 inç, daha fazlasında 0,4 inç); matris büyükse sıkıştırılmaz, kaydırma çubuğuyla gezilir (tabs/tab_vif.py:953-963). 25 değişkene kadar hücre değerleri iki ondalıkla yazılır. Eşiği aşan köşegen dışı hücreler turuncu çerçevelidir; başlık "Pearson Correlation | orange border = |r| ≥ 0.80" biçimindedir. Her çizimde şekil figures/correlation_heatmap.png olarak 300 dpi kaydedilir (çıktı klasörü tanımlıysa; tabs/tab_vif.py:1006-1009).

4.6 Değişken listesi ve toplu seçim

Orta paneldeki liste, modele girecek sürekli değişkenlerin seçildiği yerdir. 12'den fazla değişken varsa iki sütuna bölünür (tabs/tab_vif.py:522-528).

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Değişken onay kutusu İşaretli değişken modele girer güvenli değişkenler ve Recommended önerisi işaretli açık / kapalı tabs/tab_vif.py:423-438
VIF rozeti Tam kümedeki VIF; yeşil ≤ eşik, kırmızı > eşik, VIF=∞ sabitlenmiş, VIF=— hesaplanamadı — — tabs/tab_vif.py:441-469
AUC rozeti Tek değişkenli AUC; nötr renk, yalnız bilgi — 0,5–1 tabs/tab_vif.py:471-499, sdm_core.py:380-393
Durum simgesi ⚠ VIF (VIF_OK yanlış), ⚠ Corr (Corr_OK yanlış), ✔ (önerilen), – — — tabs/tab_vif.py:501-517
All Bütün sürekli değişkenleri işaretler — düğme tabs/tab_vif.py:890-893
Recommended Adım adım seçimin sonucunu uygular, çıkarmaları günlüğe yazar — düğme tabs/tab_vif.py:900-915
None Bütün sürekli değişkenlerin işaretini kaldırır — düğme tabs/tab_vif.py:895-898

4.6.1 Öncelik tablosu ve sütunları

variable_priority_ranking her değişken için bir satır üretir; liste rozetleri bu tablodan okunur ve tablo onayla birlikte figures/variable_priority_ranking.csv olarak yazılır (sdm_core.py:305-465, tabs/tab_vif.py:1083-1096). Satırlar Priority_Score'a göre büyükten küçüğe sıralıdır.

Sütun Anlamı
Variable Değişken adı
VIF Tam kümedeki VIF (iki ondalık; 999 = sabitlenmiş)
Mean_Corr Öteki değişkenlerle ortalama mutlak korelasyon (köşegen 0 alınarak)
Univariate_AUC Değişkenin tek başına varlık ile sözde yokluğu ayırma gücü; 0,5'in altındaysa 1 - \text{AUC} alınır
Priority_Score 0{,}5\,(1 - (\min(\text{VIF}, 50) - 1)/49) + 0{,}5\,(1 - \text{Mean\_Corr}), [0, 1]'e kırpılmış
VIF_OK \text{VIF} \le eşik ve \text{VIF} < 999
Corr_OK Mean_Corr < korelasyon eşiği
Recommended Adım adım seçimde kaldı mı
VIF_in_selection Önerilen küme içindeki VIF (önerilmeyenlerde boş)

Priority_Score yalnız çoklu doğrusallığa dayanır; tek değişkenli AUC tabloda bilgi olarak durur ama sıralamaya ağırlık olarak girmez (sdm_core.py:395-401). Gerekçe kodda açıktır: bu örneklemde iyi ayırt eden bir öngörücüyü öne çıkarmak, ekolojik anlamı ve başka bölgeye ya da iklime aktarılabilirliği gözetmeyen bir seçim olur.

Not: Corr_OK, tek tek çiftlere değil değişkenin ortalama mutlak korelasyonuna bakar. Örnek koşuda 0,70 eşiğiyle 19 değişkenin hepsinde Corr_OK doğrudur (en yüksek Mean_Corr bio_12'de 0,533), oysa 20 çift 0,80'i aşar. Bu yüzden ⚠ Corr simgesi seyrek görülür; çiftleri sol tablo gösterir.

usdm::vifstep ile aynı sonuç

Adım adım VIF aşaması, R'deki usdm paketinin vifstep işlevinin (Naimi vd. 2014) yaptığı işi yapar. Bu kitap için ikisi aynı matriste karşılaştırılmıştır: çalışma sınırı (10° B–50° D, 30–46° K) içinden rastgele seçilmiş 5000 kara hücresinde 19 WorldClim 2.1 biyoiklim değişkeni; HABITUS'ta variable_priority_ranking(..., vif_threshold=10), R'de usdm::vifstep(d, th = 10) (betik: habitus_dogrulama\H3_yazilim_tanitim\betikler\Y10_vif_usdm.py). İki program 11 değişkeni aynı sırayla çıkarmıştır (bio_5, bio_10, bio_11, bio_16, bio_7, bio_17, bio_1, bio_12, bio_3, bio_13, bio_18) ve kalan sekiz değişkenin VIF'leri on dördüncü ondalığa kadar aynıdır:

Değişken usdm::vifstep VIF HABITUS VIF
bio_2 2,375571 2,375571
bio_4 2,524650 2,524650
bio_6 6,864633 6,864633
bio_8 2,787451 2,787451
bio_9 6,130096 6,130096
bio_14 3,548789 3,548789
bio_15 3,131781 3,131781
bio_19 2,161437 2,161437

(Kaynak: habitus_dogrulama\H3_yazilim_tanitim\yazim\dogrulama_vif_usdm.csv; tablo altı ondalığa yuvarlanmıştır.) Karşılaştırmada korelasyon eşiği 0,99 tutulmuş, yani ikinci aşama devre dışı bırakılmıştır; usdm'de bu aşamanın karşılığı yoktur (usdm::vifcor korelasyonu önce ve farklı bir kuralla uygular).

4.6.3 Tek değişkenli AUC

Her değişken için sklearn.metrics.roc_auc_score(y, x) hesaplanır; 0,5'in altındaysa ilişki ters yönlü sayılıp 1 - \text{AUC} yazılır (sdm_core.py:380-393). 10'dan az geçerli satır varsa ya da hesap başarısızsa 0,5 yazılır. Rozet bilerek nötr renklidir: düşük AUC bir değişkeni çıkarmak için gerekçe değildir (tabs/tab_vif.py:471-499). Örnek koşuda en yüksek değerler yağış değişkenlerindedir (bio_12 0,887; bio_17 0,886), en düşükler sıcaklık değişkenlerinde (bio_11 0,51; bio_6 0,533).

4.6.4 Kategorik değişken bölümü

Veride kategorik raster varsa listenin altında Categorical variables (not part of VIF) başlıklı sabit bir kutu açılır (tabs/tab_vif.py:557-671). Her kategorik raster bir satırdır:

Öğe Ne yapar Varsayılan Kod
Onay kutusu İşaretli raster modele girer işaretli (önceki onay varsa o) tabs/tab_vif.py:602-616
Sınıf rozeti (N classes) Sınıf sayısı; ipucunda sınıf başına "varlık / kayıt" (ilk PA seti) — tabs/tab_vif.py:618-639
Sınıf sayımı metni İlk dört sınıfın "sınıf:varlık/kayıt" değerleri — tabs/tab_vif.py:641-651
Seyrek sınıf uyarısı 3'ten az varlık içeren sınıf sayısı ("⚠ k classes <3 presences") — tabs/tab_vif.py:653-664, sdm_core.py:1264

Kategorik rasterlar VIF'e ve korelasyona girmez; All, Recommended ve None bu kutuya dokunmaz. İpucu metni her algoritmanın kategorik değişkeni nasıl kullandığını söyler: GLM, GLMNET, SVM ve ANN kukla (one-hot) sütunlarla; GAM faktör terimiyle; MaxEnt kategorik özellik sınıfıyla; ağaç tabanlı yöntemler tamsayı bölmeleriyle; BIOCLIM, Domain, ENFA, Mahalanobis ve ESM yalnız sürekli değişkenleri kullanır (tabs/tab_vif.py:536-545). Yalnız bir rasterın NoData'sı yüzünden ① Data'da kayıt düşmüşse ipucu bunu sayılarıyla yazar ve rasterı dışarıda bırakmanın örneklemeyi yeniden yapmadığını belirtir. Örnek koşuda kategorik raster yoktur, bu yüzden kutu görünmez.

4.7 Onay (Confirm) ve kayıt/öngörücü denetimi

Arayüzdeki ad Ne yapar Varsayılan Kod
✔ Confirm Variable Selection → Proceed to ③ Models Seçimi kaydeder, dosyaları yazar, ③ Models'i açar — tabs/tab_vif.py:1160-1225

4.7.1 Onay

4.7.2 Kayıt/öngörücü denetimi

Onaydan sonra program, kullanılan varlık sayısını seçilen öngörücü sayısına (sürekli + kategorik) böler (sdm_core.py:2889-2909). Oran 10'un altındaysa bilgi penceresinin başına ve günlüğe ("ADVISORY: …") şu biçimde bir uyarı ekler: "… presence records for the k predictors selected (… per predictor). Below about 10 per predictor the model is prone to overfitting and the evaluation statistics become unstable; n records support about n/10 predictors." Bu, ① Data'daki aynı denetimin seçilmiş küme için yinelenmesidir; ① Data yalnız yüklenen katman sayısını görebilir. Örnek koşuda 143 varlık ve 19 katmanla ① Data uyarı vermişti (7,5 kayıt/öngörücü; "143 records allow about 14"); seçilen 8 değişkenle oran 17,9 olduğundan onayda uyarı çıkmamıştır. Yeni bir onay eski uyarının yerine geçer.

4.8 Dışa aktarma

VIF + Correlation alt sekmesi onayla birlikte çıktı klasörünün figures/ alt klasörüne şunları yazar (tabs/tab_vif.py:1193-1197):

Dosya İçerik
high_correlation_pairs.csv Variable_A, Variable_B, Correlation_r, AUC_A, AUC_B, Direction, Recommend_drop (eşiği aşan çiftler)
variable_priority_ranking.csv §4.6.1'deki tablo
vif_barplot.png Tam küme VIF çubukları; eşik (kesikli) ve 10 (noktalı) çizgisi; çubuk 50'de kesilir, ∞ ve "(>50, capped)" etiketleri
correlation_heatmap_selected.png Yalnız seçilen değişkenlerin korelasyon matrisi

Bunlara ek olarak correlation_heatmap.png her ısı haritası çiziminde yazılır. Çıktı klasörü tanımlı değilse hiçbir dosya yazılmaz.

Dikkat: high_correlation_pairs.csv'deki Recommend_drop sütunu, çiftten tek değişkenli AUC'si düşük olanı yazar (tabs/tab_vif.py:1066-1070). Bu, Recommended'ın kuralından (VIF'i yüksek olanı çıkar) farklıdır ve bir öneri değil, AUC karşılaştırmasıdır.

Advanced Analysis'in Save All Results... düğmesi ayrıca advanced_analysis/ klasörüne yazar (§4.9.6). Raporun (⑧) değişken bölümü ve ODMAP dışa aktarımı, bu sekmedeki korelasyon eşiğini, yöntemini ve VIF eşiğini okur (tabs/tab_report.py:528-530, odmap.py:487-492).

4.9 Gelişmiş analiz (Advanced Analysis)

Bu alt sekme dört tamamlayıcı tanı sunar. Hiçbiri değişken listesindeki işaretleri değiştirmez; önerileri (PCA'daki RECOMMENDED, LASSO'daki SELECTED) yalnız bilgi içindir.

Şekil 4.2. Advanced Analysis > Condition Number: 19 sürekli değişkenin tamamıyla hesaplanan koşul sayısı (22 681 501,75, NEAR-SINGULAR), yapılacaklar kutusu ve Belsley eşikleri.
Şekil 4.2. Advanced Analysis > Condition Number: 19 sürekli değişkenin tamamıyla hesaplanan koşul sayısı (22 681 501,75, NEAR-SINGULAR), yapılacaklar kutusu ve Belsley eşikleri.
Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Run All Analyses Dört analizi sırayla çalıştırır — düğme tabs/tab_vif_advanced.py:384-407
Save All Results... Grafikleri ve tabloları advanced_analysis/'e yazar ilk çalıştırmaya kadar devre dışı düğme tabs/tab_vif_advanced.py:760-891
Penalty λ: (LASSO) Cezanın nasıl seçileceği 1-SE rule (CV) 1-SE rule (CV), Minimum CV deviance, Typed value tabs/tab_vif_advanced.py:259-269
λ değer kutusu (LASSO) Typed value seçiliyken kullanılan λ 0.0100 (devre dışı) 0.0001–10, 4 ondalık tabs/tab_vif_advanced.py:270-281
CV folds: LASSO ve Ridge için katmanlı çapraz doğrulama kat sayısı 5 3–10 tabs/tab_vif_advanced.py:282-284
Recompute Yalnız LASSO'yu yeniden hesaplar — düğme tabs/tab_vif_advanced.py:285-287, 409-415

4.9.1 Kapsam ve örnek

Analiz, VIF + Correlation'da onaylanmış değişkenleri kullanır. Henüz onay yoksa ya da onaylanan küme bütün sürekli değişkenleri kapsıyorsa bütün sürekli değişkenler kullanılır ve durum satırı bunu yazar: "Analyses all 19 continuous variables (not a selected subset): no subset has been confirmed in the VIF + Correlation tab." (tabs/tab_vif_advanced.py:337-345, 375-380). Örneklem, §4.3'teki tekilleştirilmiş PA havuzudur; sabit (varyansı 10^{-10}'dan küçük) sütunlar atılır ve günlüğe yazılır (tabs/tab_vif_advanced.py:365-373). Bu sırayla çalışmak önerilir: önce bütün değişkenlerle tanı, sonra onaydan sonra seçilen kümeyle yeniden Run All Analyses.

4.9.2 Koşul sayısı (Condition Number)

4.9.3 Temel bileşenler (PCA)

Şekil 4.3. Advanced Analysis > PCA: solda bileşen başına açıklanan varyans, sağda birikimli varyans ve yüzde 80 çizgisi; altta ilk üç bileşenin yükleri ve Status sütunu.
Şekil 4.3. Advanced Analysis > PCA: solda bileşen başına açıklanan varyans, sağda birikimli varyans ve yüzde 80 çizgisi; altta ilk üç bileşenin yükleri ve Status sütunu.

4.9.4 LASSO (L1) — cezalı lojistik regresyon

Şekil 4.4. Advanced Analysis > LASSO (L1): üstte standartlaştırılmış katsayıların λ'ya göre yolları, altta çapraz doğrulama sapması; kırmızı noktalı çizgi en küçük sapmanın, turuncu kesikli çizgi 1-SE kuralının λ'sı; altta katsayı tablosu ve Status sütunu.
Şekil 4.4. Advanced Analysis > LASSO (L1): üstte standartlaştırılmış katsayıların λ'ya göre yolları, altta çapraz doğrulama sapması; kırmızı noktalı çizgi en küçük sapmanın, turuncu kesikli çizgi 1-SE kuralının λ'sı; altta katsayı tablosu ve Status sütunu.

4.9.5 Ridge (L2) — katsayı büzülmesi

Şekil 4.5. Advanced Analysis > Ridge (L2): standartlaştırılmış katsayıların λ'ya göre yolları ve çapraz doğrulama sapması; kırmızı noktalı çizgi en küçük sapmanın λ'sı; altta mutlak katsayıya göre sıra.
Şekil 4.5. Advanced Analysis > Ridge (L2): standartlaştırılmış katsayıların λ'ya göre yolları ve çapraz doğrulama sapması; kırmızı noktalı çizgi en küçük sapmanın λ'sı; altta mutlak katsayıya göre sıra.

4.9.6 Gelişmiş analizin dışa aktarımı

Save All Results... çıktı klasöründe advanced_analysis/ alt klasörünü kurar ve şunları yazar (tabs/tab_vif_advanced.py:760-891): condition_number.txt (κ, değişken ve satır sayısı, ilk 10 tekil değer), pca_variance.png, pca_loadings.csv (ilk k bileşen), pca_variance.csv (bütün bileşenlerin varyans ve birikimli varyans yüzdesi), lasso_coefficient_paths.png, lasso_coefficients.csv, lasso_path.csv (λ ızgarası, CV sapması ve standart hatası, bütün katsayılar), lasso_info.txt (kayıt sayısı, kat sayısı, iki λ, kullanılan λ, seçilen değişkenler), ridge_coefficient_paths.png, ridge_coefficients.csv, ridge_path.csv. Çıktı klasörü tanımlı değilse "Set the output directory in the Data tab first." uyarısı çıkar.

4.10 Çıktılar ve sonraki adıma geçenler

4.11 Uzman soruları

S1. Adım adım VIF seçimi usdm::vifstep ile aynı sonucu veriyor mu? Evet, aynı girdide aynı sonucu verir. İki yöntem de kalan kümenin VIF'ini her adımda yeniden hesaplar, en büyüğü eşikten büyükse onu çıkarır ve en büyük VIF eşiğe eşit ya da altında kalınca durur (sdm_core.py:427-434; usdm'de th = 10). Bu kitapta 5000 hücrelik bir WorldClim matrisinde karşılaştırılmıştır: çıkarma sırası 11 değişkende aynı, kalan sekiz değişkenin VIF'leri on dördüncü ondalığa kadar aynıdır (§4.6.2). VIF de usdm'deki gibi kesişimli doğrusal regresyonun R^2'sinden hesaplanır (sdm_core.py:275-295).

S2. VIF'in 999'a sabitlenmesi çıkarma sırasını değiştirebilir mi? Değiştirebilir. R^2 > 0{,}9999 olan her değişkenin VIF'i 999 olur (sdm_core.py:292-293); aynı adımda birden çok değişken bu durumdaysa idxmax() doğal sıradaki ilkini çıkarır (sdm_core.py:430). usdm gerçek VIF'i kullandığı için o adımda gerçekten en büyük olanı çıkarır. Örnek koşuda ilk iki adımda bio_4 ve bio_5 999 ile çıkarılmıştır. Doğrulama matrisinde bu durum sonucu değiştirmemiştir; ama sabitlenmiş eşitliklerin olduğu bir veride son küme usdm'den farklı olabilir. Fark, yalnız aşırı yüksek VIF'li değişkenlerin hangisinin önce gideceğiyle ilgilidir; kesin aynı sonuç gerekiyorsa en açık türetilmiş değişkenler (bio_7 gibi) önceden elle çıkarılabilir.

S3. VIF ve korelasyon neden raster hücrelerinde değil de varlık + sözde yokluk havuzunda hesaplanıyor? Çünkü model bu noktalarla eğitilir; çoklu doğrusallık modelin gördüğü veride önemlidir (tabs/tab_vif.py:349-353). Bunun sonucu olarak sonuçlar erişilebilir alanın genişliğine ve PA sayısına bağlıdır (§4.3). VIF + Correlation havuzunda her varlık PA seti sayısı kadar yinelenir, Advanced Analysis ise yinelenenleri atar (tabs/tab_vif_advanced.py:356-363); bu yüzden iki alt sekmedeki örneklem tam aynı değildir. Bütün alan üzerinde bir korelasyon isteyen kullanıcı, R'de usdm::vifstep'i doğrudan rasterlara uygulayabilir.

S4. Recommended neden tek değişkenli AUC'yi hesaba katmıyor? Kodun açıklaması: tek değişkenli ayırt etme gücü, bu örneklemde gerçek etkenle korelasyonu sayesinde iyi görünen bir değişkeni öne çıkarır; böyle bir değişken başka bölgeye ya da iklime aktarıldığında başarısız olabilir (sdm_core.py:323-339). Bu yüzden hem Priority_Score hem Recommended yalnız çoklu doğrusallığa dayanır ve AUC rozeti bilerek nötr renklidir (tabs/tab_vif.py:471-499). Çiftten hangisinin bırakılacağına türün ekolojisi karar vermelidir (Dormann vd. 2013).

S5. Korelasyon adımı neden çiftten VIF'i yüksek olanı çıkarıyor; usdm::vifcor ile fark nedir? HABITUS önce VIF adımını uygular, sonra kalan kümede |r| \ge eşik olan en güçlü çiftten, o anki kümede VIF'i büyük olanı çıkarır (sdm_core.py:435-445). usdm::vifcor ise önce korelasyon eşiğiyle çift çift çıkarır (çiftten öteki değişkenlerle daha çok ilişkili olanı), sonra VIF'e bakmaz. İki yöntemin son kümesi farklı olabilir. Varsayılan eşiklerle (VIF 10, |r| 0,80) VIF adımından sonra yüksek korelasyonlu çift nadiren kalır; örnek koşuda hiç kalmamıştır.

S6. Eşikleri değiştirdim ama Recommended aynı öneriyi veriyor. Neden? Öneri, variable_priority_ranking en son çalıştığında hesaplanır. Sekme ilk açıldığında ① Data'nın ön hesabı gösterilir (korelasyon 0,70, Pearson, VIF 10; sdm_core.py:3225-3227). Korelasyon eşiğini değiştirmek yalnız çift tablosunu ve ısı haritasını yeniler (tabs/tab_vif.py:880-884); yöntem ve VIF eşiği hiçbir şeyi kendiliğinden yenilemez. Yeni bir öneri için Run / Refresh Analysis'e, sonra Recommended'a basılmalıdır.

S7. LASSO ve Ridge, R'deki glmnet ile aynı sonucu veriyor mu? Aynı tanımı kullanır (Friedman vd. 2010): binom aile, glmnet ölçeğinde λ, eşit sınıf ağırlıkları, standartlaştırılmış öngörücüler, katmanlı k katlı çapraz doğrulama, lambda.min ve lambda.1se (tabs/tab_vif_advanced.py:63-128). Programın test takımı, benzetilmiş bir veride iki ızgara noktasındaki katsayıları R glmnet ile karşılaştırır: Ridge için 2 \times 10^{-4}, LASSO için 3 \times 10^{-3} mutlak fark içinde ve LASSO'nun sıfırladığı değişkenler aynıdır (tests/test_202_small_samples_lasso.py:81-98). Çözücü liblinear'dır ve kesişim terimi çok küçük bir cezayla kestirilir (intercept_scaling=100); bu, glmnet'ten küçük farkların kaynağıdır. λ ızgarası glmnet'inkiyle (100 değer, lambda.min.ratio) aynı değildir: HABITUS 40 değer kullanır ve LASSO'da üç, Ridge'de dört büyüklük mertebesi iner.

S8. Çapraz doğrulama sapmasının en küçüğü ızgaranın ucuna düşerse ne olur? Program bunu ayrıca bildirmez; lambda_min ızgaranın en küçük değeri olur (tabs/tab_vif_advanced.py:120). Örnek koşuda LASSO'da (\lambda_{\min} = 0{,}0003929 = \lambda_{\max}/1000) ve Ridge'de (0{,}003929) böyle olmuştur (Şekil 4.4 ve 4.5'te kırmızı çizgi sol uçtadır). Bu durumda gerçek en küçük daha küçük bir λ'da olabilir; 1-SE kuralı ise sapma eğrisi düz olduğu için daha güvenilirdir. Bu analizler yalnız bilgi verdiği için model sonuçlarını etkilemez; ayrıntılı bir ceza seçimi gerekiyorsa advanced_analysis/lasso_path.csv incelenebilir ya da glmnet daha geniş bir ızgarayla çalıştırılabilir.

S9. Koşul sayısı neden bu kadar büyük, ve VIF ile ne ilişkisi var? κ, standartlaştırılmış matrisin en büyük ve en küçük tekil değerinin oranıdır (tabs/tab_vif_advanced.py:421-431). En küçük tekil değer sıfıra yaklaştıkça κ büyür; bu, en az bir değişkenin ötekilerin doğrusal bileşimine yaklaştığı anlamına gelir. VIF aynı durumu değişken başına gösterir. 19 biyoiklim değişkeninde bio_7 = bio_5 − bio_6 gibi tam türetmeler bulunduğundan κ milyonlar düzeyindedir (örnek koşuda 22 681 501,75). Seçilen kümeyle yeniden hesaplandığında κ'nın düşmesi seçimin işe yaradığını gösterir.

S10. Tek değişkenle model kurulabilir mi? Hayır. Tek değişkenle sıralama tablosu kurulur (VIF = 1; sdm_core.py:356-368) ama Confirm en az iki sürekli değişken ister (tabs/tab_vif.py:1164-1167); Run / Refresh Analysis de tek değişken yüklüyse ① Data'ya katman eklenmesini ister (tabs/tab_vif.py:367-372).

S11. Kategorik değişkenler çoklu doğrusallık denetimine neden girmiyor? VIF ve Pearson/Spearman korelasyonu sıralı sayısal değişken varsayar; kategorik kodların sayısal değeri anlamsızdır. Kategorik rasterlar bu yüzden ayrı listelenir ve seyrek sınıflar (3'ten az varlık) işaretlenir (tabs/tab_vif.py:583-664). Program kategorik ile sürekli değişkenler arasındaki ilişkiyi (örneğin bir arazi örtüsü sınıfının yükseltiyle örtüşmesi) ölçmez; bu kullanıcının denetlemesi gereken bir noktadır. Advanced Analysis kategorik rasterları kullanmaz; yalnız sürekli değişkenlerle çalışır (tabs/tab_vif_advanced.py:343-354).

S12. Bu sekmedeki seçim tekrarlanabilir mi? VIF, korelasyon, PCA ve koşul sayısı rastgelelik içermez; aynı PA setleri aynı sonucu verir. PA setleri ① Data'daki tohuma bağlıdır. LASSO ve Ridge'in çapraz doğrulama katları koşu tohumuyla (formatter.random_seed) karıştırılır (tabs/tab_vif_advanced.py:600-604, 108). Seçilen değişkenler, eşikler ve yöntem rapora, ODMAP'e ve figures/variable_priority_ranking.csv'ye yazılır; Recommended ile yapılan çıkarmalar sırasıyla oturum günlüğündedir.

4.12 Sık hatalar ve tuzaklar

4.13 Kaynaklar

Barbet-Massin, M., Jiguet, F., Albert, C.H., Thuiller, W., 2012. Selecting pseudo-absences for species distribution models: how, where and how many? Methods in Ecology and Evolution 3, 327–338. https://doi.org/10.1111/j.2041-210X.2011.00172.x

Belsley, D.A., Kuh, E., Welsch, R.E., 1980. Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. Wiley, New York. https://doi.org/10.1002/0471725153

Dormann, C.F., Elith, J., Bacher, S., Buchmann, C., Carl, G., Carré, G., vd., 2013. Collinearity: a review of methods to deal with it and a simulation study evaluating their performance. Ecography 36, 27–46. https://doi.org/10.1111/j.1600-0587.2012.07348.x

Friedman, J., Hastie, T., Tibshirani, R., 2010. Regularization paths for generalized linear models via coordinate descent. Journal of Statistical Software 33(1), 1–22. https://doi.org/10.18637/jss.v033.i01

Hastie, T., Tibshirani, R., Friedman, J., 2009. The Elements of Statistical Learning, 2. baskı. Springer, New York. https://doi.org/10.1007/978-0-387-84858-7

Naimi, B., Hamm, N.A.S., Groen, T.A., Skidmore, A.K., Toxopeus, A.G., 2014. Where is positional uncertainty a problem for species distribution modelling? Ecography 37, 191–203. https://doi.org/10.1111/j.1600-0587.2013.00205.x

O'Brien, R.M., 2007. A caution regarding rules of thumb for variance inflation factors. Quality & Quantity 41, 673–690. https://doi.org/10.1007/s11135-006-9018-6

Tibshirani, R., 1996. Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society Series B 58, 267–288. https://doi.org/10.1111/j.2517-6161.1996.tb02080.x