HABITUSBaşvuru Kitabı

5. Modeller I: algoritmalar ve ayarları (③ Models → Algorithm Settings)

Sekme: ③ Models + Current Map → Algorithm Settings · Kod: tabs/tab_models.py (arayüz), sdm_core.py build_model, SDMModeler (hesap), sdm_niche.py (BIOCLIM, Domain, ESM), sdm_tuning.py (ayarlanabilir parametreler)

5.1 Bu sekme ne yapar

Algorithm Settings (algoritma ayarları) alt sekmesi, modellemenin "hangi yöntemle" sorusunu yanıtlar. Burada 18 algoritmadan hangilerinin çalıştırılacağı işaretlenir ve her birinin ayarları (hiperparametreleri) girilir. Hiperparametre, modelin veriden öğrenmediği, kullanıcının önceden belirlediği ayardır: ağaç sayısı, ceza katsayısı, katman sayısı gibi.

İş akışındaki yeri şöyledir:

Çapraz doğrulama tasarımı, eşik ve topluluk (ensemble) ayarları aynı sayfanın alt yarısındadır; onlar Bölüm 6'da anlatılır. Bu bölüm yalnız algoritma seçimini ve algoritma ayarlarını kapsar.

5.2 Ekranın düzeni

Şekil 5.1. Algorithm Settings alt sekmesi: solda Select Algorithms kutusu (örnek koşuda GLM, RF, GAM ve MaxEnt işaretli), sağda Algorithm Options paneli (GLM sayfası açık); altta Training Settings ve Combining Results & Binary Threshold Method grupları, en altta çalıştırma düğmesi.
Şekil 5.1. Algorithm Settings alt sekmesi: solda Select Algorithms kutusu (örnek koşuda GLM, RF, GAM ve MaxEnt işaretli), sağda Algorithm Options paneli (GLM sayfası açık); altta Training Settings ve Combining Results & Binary Threshold Method grupları, en altta çalıştırma düğmesi.

Sayfa dört bölgeden oluşur:

  1. Select Algorithms (algoritma seçimi; sol üst): 18 onay kutusu, iki sütunda dokuzar tane (tabs/tab_models.py:125-150). Bkz. §5.3.
  2. Algorithm Options (algoritma seçenekleri; sağ üst): her algoritma için bir sekme. Sekme çubuğu 18 sekmeyi sığdıramadığı için sağdaki ok düğmeleriyle kaydırılır (tabs/tab_models.py:173-194). Altı ve daha fazla satırı olan sayfalar (BRT, XGBoost, LightGBM, CatBoost, MaxEnt, ESM) iki sütuna dizilir (tabs/tab_models.py:197-201). Her sekme §5.6–§5.23'te kendi alt bölümünde anlatılır.
  3. Training Settings ve Combining Results & Binary Threshold Method (alt yarı): Bölüm 6.
  4. Çalıştırma düğmesi: ▶ Run Models + Generate Current Distribution Map.

Örnek koşunun verisi Abies nordmanniana'dır (626 kayıt; inceltme sonrasında 143 varlık; WorldClim 2.1 biyoiklim, 2,5′; ② Variables'ta seçilen 8 değişken: bio_2, bio_3, bio_8, bio_9, bio_11, bio_15, bio_18, bio_19; 2 sözde yokluk kümesi × 1000 nokta; MaxEnt arka planı 10 000 nokta; tohum 42). Bölümdeki sayılar bu koşunun habitus_run_config.json, evaluation_scores.csv ve oturum günlüğünden alınmıştır.

5.3 Algoritma seçimi (Select Algorithms)

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
GLM – Generalised Linear Model Lojistik regresyon açık açık / kapalı tabs/tab_models.py:129
RF – Random Forest Rastgele orman açık açık / kapalı tabs/tab_models.py:132
Öteki 16 kutu (GBM, BRT, SVM, ANN, XGBoost, LightGBM, CatBoost, GAM, MaxEnt, ENFA, Mahalanobis, BIOCLIM, Domain, GLMNET, CART, ESM) İlgili algoritmayı çalıştırır kapalı açık / kapalı tabs/tab_models.py:130-146

Programın açılışında yalnız GLM ve RF işaretlidir. Gereken paketi kurulu olmayan algoritmanın kutusu kapatılır, devre dışı bırakılır, adının sonuna [not installed] eklenir ve ipucunda kurulum komutu gösterilir (ör. "Not installed — pip install pygam"; tabs/tab_models.py:152-168). Paket gerektirenler: XGBoost (xgboost), LightGBM (lightgbm), CatBoost (catboost), GAM (pygam), MaxEnt (elapid); öteki 13 algoritma scikit-learn ya da numpy ile çalışır (sdm_core.py:127-146). Hiçbir kutu işaretli değilse çalıştırma "Select at least one algorithm." iletisiyle durur (tabs/tab_models.py:1397-1400).

Not: Algoritmaların hangi sırayla işaretlendiği ya da öngörücülerin hangi sırayla eklendiği sonucu değiştirmez. Sütunlar her koşuda önce sürekli, sonra kategorik ve her grup kendi içinde doğal ad sırasıyla dizilir (sdm_core.py:3892-3899).

5.4 Bütün algoritmalar için ortak kurallar

5.4.1 Hangi satırlarla eğitilir: varlık-yokluk ve yalnız-varlık

HABITUS'ta algoritmalar eğitimde kullandıkları satırlara göre üç gruba ayrılır:

Değerlendirme ise grup ne olursa olsun aynıdır: test katındaki varlıklar ve sözde yokluklar üzerinden AUC, TSS, Boyce ve ötekiler hesaplanır. Yalnız-varlık yöntemlerinde test katında hiç varlık kalmazsa eğitim katındaki varlıkların yaklaşık beşte biri teste taşınır (sdm_core.py:5455-5468; tam model için 5686-5696).

5.4.2 Girdinin ölçeklenmesi

Ölçek duyarlı yöntemlerde standartlaştırma (ortalama 0, standart sapma 1) programın içinde, yalnız eğitim satırlarıyla öğrenilerek yapılır; kullanıcının önceden ölçeklemesi gerekmez:

5.4.3 Kategorik değişkenler

Kategorik rasterlar (arazi örtüsü, bakı sınıfı gibi) modele tamsayı sınıf kodu olarak gelir; her algoritma onları şöyle kullanır:

Algoritma Kategorik değişkenin işlenmesi Kod
GLM, GLMNET, SVM, ANN Eğitimde görülen her sınıf için bir 0/1 sütunu (one-hot); kodlar karesi alınmaz, ölçeklenmez, çarpılmaz. Eğitimde görülmemiş sınıf o değişken için bütün sütunlarda 0 alır sdm_core.py:3364-3443
GAM Faktör terimi f(), sınıf başına bir katsayı; tek sınıflı değişken atlanır; görülmemiş sınıfın etkisi 0 sayılır sdm_core.py:3320-3361, 4525-4549
MaxEnt elapid'in kategorik özellik sınıfı (one-hot, beta_categorical ile cezalı); görülmemiş sınıf 0 sdm_core.py:4606-4612, 4712-4718, 4760-4770
GBM, BRT, RF, CART, XGBoost, LightGBM, CatBoost Tamsayı kodu sayısal bir sütun gibi bölünür sdm_core.py:3476-3479
ENFA, Mahalanobis, BIOCLIM, Domain Kategorik değişkenler dışarıda bırakılır; günlüğe "… is an envelope/distance model for continuous predictors: the categorical variable(s) … are excluded from it." yazılır sdm_core.py:4010-4036
ESM Kategorik değişkenler çiftlere girmez sdm_core.py:4389-4393

Dikkat: Ağaç yöntemlerinde sınıf kodu sıralı bir sayı gibi bölünür: kod 3 ile 4 "yakın", 3 ile 12 "uzak" sayılır. Kodların sırası ekolojik bir anlam taşımıyorsa ağaç, sınıfları ancak birkaç bölünmeyle ayırabilir. CatBoost'un kendi kategorik işleme yeteneği HABITUS'ta kullanılmaz.

5.4.4 Tekrarlanabilirlik ve rastgele tohum

Rastgelelik içeren her öğrenici (RF, GBM, BRT, CART, SVM, ANN, GLMNET, XGBoost, LightGBM, CatBoost, MaxEnt, ESM katları) ① Data'daki Random seed (varsayılan 42) ile tohumlanır (sdm_core.py:115-124, 3474-3475, 4643). Aynı veri, aynı ayarlar ve aynı tohumla iki koşu aynı modelleri üretir. Permütasyon önemi de (PA kümesi, kat, algoritma) üçlüsüne özgü ama tohumdan türetilen bir üreteçle hesaplanır (sdm_core.py:4847-4853). Kullanılan tohum habitus_run_config.json içinde random_seed alanındadır.

5.4.5 Sınıf dengesi ve kırpma (Training Settings'ten gelen iki ayar)

Balance classes (weight presences vs pseudo-absences) (sınıfları dengele) ve Clamp predictors to the training range when predicting (tahminde öngörücüleri eğitim aralığına kırp) Training Settings grubundadır ve Bölüm 6'da anlatılır; ama algoritmaya göre farklı davrandıkları için burada özetlenir. Denge açıkken (varsayılan kapalı) her algoritma sınıf ağırlığını şöyle alır (sdm_core.py:3670-3716):

Algoritma Dengeleme biçimi
GLM, RF, SVM, GLMNET, CART, LightGBM class_weight='balanced'
CatBoost auto_class_weights='Balanced'
GBM, BRT dengeli örnek ağırlıkları (sample_weight)
XGBoost scale_pos_weight = sözde yokluk sayısı / varlık sayısı
ANN dengeli örnek ağırlıkları (kurulu scikit-learn bunu destekliyorsa)
ESM yalnız GLM ya da RF tabanlı küçük modellerde
GAM, MaxEnt, ENFA, Mahalanobis, BIOCLIM, Domain desteklenmez; ayar bu algoritmalarda etkisizdir

Kırpma açıkken her tahminden önce öngörücüler bütün sözde yokluk kümelerinin min–maks aralığına kırpılır; MaxEnt'e ayrıca elapid'in clamp=True ayarı açıkça verilir (sdm_core.py:4650-4655, 4929-4962).

5.4.6 Ayar (tuning) alt sekmesiyle ilişki

Tuning (optional) alt sekmesi bazı algoritmaların parametrelerini çapraz doğrulamalı ızgara aramasıyla dener ve seçilen değeri Apply selected setting ile bu sayfaya yazar. Bu sayfaya yazılabilen parametreler (tabs/tab_models.py:1212-1229, 1231-1259) ve ayar sekmesinin varsayılan ızgaraları (sdm_tuning.py) şunlardır:

Algoritma Bu sayfaya yazılan parametreler Varsayılan ızgara (kaynak)
MaxEnt Feature types, Regularisation multiplier (β / RM) rm 0,5–4,0 adım 0,5; fc L, LQ, H, LQH, LQHP (sdm_tuning.py:502-552)
GBM n_estimators, learning_rate, subsample, min_samples_leaf, max_depth flexsdm tune_gbm: ağaç 20–500, öğrenme hızı 0,01/0,1/0,3, yaprak 1–10, 20, 30 (sdm_tuning.py:626-630)
RF n_estimators, min_samples_leaf, max_features flexsdm tune_raf: mtry 2…öngörücü sayısı, ntree 200–1200 (sdm_tuning.py:633-634, 787-793)
SVM C, gamma flexsdm tune_svm: C 1–16, sigma 0,001–0,2 → gamma aynı değer (sdm_tuning.py:636-637, 654-675)
ANN alpha (L2), Hidden layers flexsdm tune_net: tek katman 2–8 nöron, decay 0,01–10 → alpha = 2 × decay (sdm_tuning.py:639-640, 678-689)
XGBoost n_estimators, max_depth, learning_rate HABITUS'un ızgarası: 100/300/500; 3/6/9; 0,01/0,05/0,1 (sdm_tuning.py:779-781)
LightGBM n_estimators, num_leaves, learning_rate HABITUS'un ızgarası: 100/300/500; 15/31/63; 0,01/0,05/0,1 (sdm_tuning.py:782-784)
GLMNET C (inverse penalty), l1_ratio (alpha) C 0,01/0,1/1/10; l1_ratio 0–1 adım 0,25 (sdm_tuning.py:837-838)
CART max_depth, min_samples_leaf, ccp_alpha 2/3/5/8; 1/5/10/20; 0/0,002/0,01 (sdm_tuning.py:839-841)
GAM n_splines, lam (smoothing) 5/10/15/20; 0,1/0,6/2/10 (sdm_tuning.py:842-843)

GLM, BRT, CatBoost, ENFA, Mahalanobis, BIOCLIM, Domain ve ESM ayar sekmesinde yoktur; onların değerleri yalnız bu sayfadan girilir. Ayar aramasının kendisi Bölüm 6'da anlatılır.

5.5 Algoritma seçme rehberi

Aşağıdaki tablo, kodda görülen yapıdan ve örnek koşudan çıkarılmış bir başlangıç rehberidir; bir yöntemin her veri kümesinde ötekinden iyi olacağını söylemez. "Hız" sütunundaki sayılar örnek koşuda bir sözde yokluk kümesinin 4 çapraz doğrulama katının süresidir (iç katlarla birlikte; günlükten).

Algoritma Veri türü Hız Yorumlanabilirlik Aşırı uyum eğilimi (varsayılanla) Ne zaman
GLM varlık–sözde yokluk çok hızlı (0,7 s) yüksek (katsayılar) düşük–orta (L2 cezalı, karesel) her çalışmada temel model
GLMNET varlık–sözde yokluk hızlı yüksek düşük (elastik ağ) çok öngörücü, az kayıt
GAM varlık–sözde yokluk orta (10 s) yüksek (tepki eğrileri) orta doğrusal olmayan, düzgün tepkiler
MaxEnt varlık + arka plan yavaş (165 s) orta–yüksek β ve özellik sınıflarına bağlı yalnız-varlık verisi, karşılaştırılabilirlik
RF varlık–sözde yokluk orta (21 s) düşük yüksek eğitim uyumu (eğitim AUC 1,000) çok kayıt, karmaşık etkileşimler
GBM varlık–sözde yokluk orta düşük–orta düşük (kütük ağaçlar) toplamsal esnek model
BRT varlık–sözde yokluk orta–yavaş düşük–orta orta Elith ve ark. (2008) çizgisinde boosting
XGBoost, LightGBM, CatBoost varlık–sözde yokluk hızlı–orta düşük yüksek (derin ağaçlar) çok kayıt (yüzlerce), karşılaştırma
CART varlık–sözde yokluk çok hızlı çok yüksek (tek ağaç) kararsız, basamaklı yüzey açıklama amaçlı
SVM varlık–sözde yokluk n büyüdükçe yavaşlar düşük C ve gamma'ya bağlı karşılaştırma
ANN varlık–sözde yokluk orta çok düşük yüksek (100+50 nöron) çok kayıt
ENFA varlık + arka plan çok hızlı orta (eksenler) düşük yalnız-varlık, kaba niş
Mahalanobis yalnız varlık çok hızlı orta düşük eliptik niş varsayımı
BIOCLIM yalnız varlık çok hızlı çok yüksek düşük; uç kayda duyarlı iklim zarfı, karşılaştırma
Domain yalnız varlık hızlı (varlık sayısıyla artar) yüksek düşük; tek kayda duyarlı benzerlik tabanlı karşılaştırma
ESM varlık–sözde yokluk (çiftler) çift sayısıyla artar orta düşük (iki değişkenli modeller) çok az kayıt (yaklaşık < 30)

Örnek koşuda (143 varlık, 8 değişken) dört algoritmanın çapraz doğrulama ortalamaları: GLM AUC 0,889, TSS 0,687, Boyce 0,607; MaxEnt 0,895, 0,672, 0,605; RF 0,892, 0,566, 0,677; GAM 0,872, 0,611, 0,653. Eğitim ile test AUC'si arasındaki fark (dAUC) GLM'de 0,031, MaxEnt'te 0,055, GAM'de 0,087, RF'de 0,108'dir; eğitim verisine en sıkı uyan RF'dir.

İpucu: Tek bir "en iyi" algoritma aramak yerine farklı ailelerden (bir regresyon, bir ağaç topluluğu, MaxEnt) birkaç algoritma çalıştırıp topluluk haritasıyla birleştirmek yaygın uygulamadır; birleştirme Bölüm 6'dadır.

5.6 GLM: genelleştirilmiş doğrusal model

Şekil 5.2. GLM sekmesi: Model terms (quadratic) ve Regularisation C (1.00).
Şekil 5.2. GLM sekmesi: Model terms (quadratic) ve Regularisation C (1.00).

Aile ve uygulama. İkili (lojistik) regresyon: varlık olasılığının logiti öngörücülerin doğrusal bir birleşimidir. scikit-learn LogisticRegression (çözücü lbfgs, en çok 2000 yineleme) ile, önce terim üretimi sonra standartlaştırma yapan bir boru hattı içinde uydurulur (sdm_core.py:3481-3492). Veri türü varlık–sözde yokluk. Ceza, standartlaştırılmış terimlerin katsayılarına uygulanan L2 (ridge) cezasıdır.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Model terms: Hangi terimlerin modele gireceği quadratic linear, quadratic, interactions tabs/tab_models.py:721-735; sdm_core.py:3300-3317
Regularisation C: Ters ceza gücü (L2) 1.00 0.001 – 1 000 000 tabs/tab_models.py:736-745; sdm_core.py:3482

5.6.1 Model terms (model terimleri)

5.6.2 Regularisation C (düzenleme C'si)

R ile eşdeğerlik. Model terms = linear ve C = 1e6 ile model R'de glm(y ~ x1 + x2 + …, family = binomial) ile aynı amaç işlevini çözer; quadratic için y ~ x + I(x^2) biçimi karşılıktır. biomod2'nin GLM'i terimleri AIC'ye dayalı adımsal seçimle eler; HABITUS'ta adımsal seçim yoktur, onun yerine ceza vardır.

5.7 GBM: gradyan artırma (scikit-learn)

Şekil 5.3. GBM sekmesi: n_estimators 200, max_depth 1, learning_rate 0.100, subsample 0.75, min_samples_leaf 5.
Şekil 5.3. GBM sekmesi: n_estimators 200, max_depth 1, learning_rate 0.100, subsample 0.75, min_samples_leaf 5.

Aile ve uygulama. Gradyan artırmalı karar ağaçları (boosting): her yeni ağaç, önceki ağaçların toplamının hatasını (log-kaybın gradyanını) düzeltir. scikit-learn GradientBoostingClassifier (sdm_core.py:3516-3529). Varlık–sözde yokluk. Ölçekleme gerekmez. GBM ile BRT aynı uygulamayı kullanır; yalnız varsayılanları ve aralıkları farklıdır.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
n_estimators: Ağaç sayısı 200 10 – 5000 (adım 100) tabs/tab_models.py:750; sdm_core.py:3524
max_depth: Ağaç derinliği (gbm: interaction.depth) 1 1 – 10 tabs/tab_models.py:751-752; sdm_core.py:3525
learning_rate: Her ağacın katkısını küçülten katsayı (gbm: shrinkage) 0.100 0.001 – 1.0 tabs/tab_models.py:753; sdm_core.py:3526
subsample: Her ağaç için çekilen satır oranı (gbm: bag.fraction) 0.75 0.1 – 1.0 (adım 0.05) tabs/tab_models.py:756-758; sdm_core.py:3527
min_samples_leaf: Yapraktaki en az satır (gbm: n.minobsinnode) 5 1 – 200 tabs/tab_models.py:754-755; sdm_core.py:3528

5.7.1 n_estimators ve learning_rate

5.7.2 max_depth

5.7.3 subsample

5.7.4 min_samples_leaf

5.8 BRT: artırılmış regresyon ağaçları

Şekil 5.4. BRT sekmesi: Elith ve ark. (2008) notu; n_estimators 1000, max_depth 2, learning_rate 0.010, subsample 0.75, min_samples_leaf 10.
Şekil 5.4. BRT sekmesi: Elith ve ark. (2008) notu; n_estimators 1000, max_depth 2, learning_rate 0.010, subsample 0.75, min_samples_leaf 10.

Aile ve uygulama. GBM ile aynı yöntem ve aynı scikit-learn sınıfı (GradientBoostingClassifier), ama Elith ve ark. (2008) rehberine göre seçilmiş varsayılanlarla: düşük öğrenme hızı, çok ağaç, %75 torbalama (sdm_core.py:3530-3548). Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
n_estimators: Ağaç sayısı 1000 100 – 10 000 (adım 100) tabs/tab_models.py:765; sdm_core.py:3543
max_depth: Ağaç derinliği (Elith ve ark.: tree.complexity) 2 1 – 10 tabs/tab_models.py:766-767; sdm_core.py:3544
learning_rate: Öğrenme hızı 0.010 0.001 – 0.5 tabs/tab_models.py:768; sdm_core.py:3545
subsample: Torbalama oranı (bag.fraction) 0.75 0.1 – 1.0 tabs/tab_models.py:769; sdm_core.py:3546
min_samples_leaf: Yapraktaki en az satır 10 1 – 100 tabs/tab_models.py:770; sdm_core.py:3547

5.8.1 max_depth

5.8.2 n_estimators, learning_rate, subsample, min_samples_leaf

5.9 RF: rastgele orman

Şekil 5.5. RF sekmesi: n_estimators 500, min_samples_leaf 1, max_features sqrt.
Şekil 5.5. RF sekmesi: n_estimators 500, min_samples_leaf 1, max_features sqrt.

Aile ve uygulama. Torbalanmış (bootstrap) sınıflandırma ağaçlarının topluluğu; her bölünmede öngörücülerin rastgele bir alt kümesi denenir (Breiman 2001). scikit-learn RandomForestClassifier; ağaç derinliği sınırsız, bütün işlemci çekirdekleri kullanılır (sdm_core.py:3549-3561). Uygunluk, ağaçların yaprak oranlarının ortalamasıdır. Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
n_estimators: Ağaç sayısı (randomForest: ntree) 500 50 – 2000 (adım 100) tabs/tab_models.py:778; sdm_core.py:3555
min_samples_leaf: Yapraktaki en az satır (randomForest: nodesize) 1 1 – 50 tabs/tab_models.py:779; sdm_core.py:3557
max_features: Her bölünmede denenen öngörücü sayısı (randomForest: mtry) sqrt sqrt, log2, tamsayı, 0–1 arası oran tabs/tab_models.py:780-783, 1160-1172; sdm_core.py:3558

5.9.1 n_estimators

5.9.2 min_samples_leaf

5.9.3 max_features

R ile eşdeğerlik. Varsayılanlar R randomForest(…, ntree = 500, mtry = floor(sqrt(p)), nodesize = 1) sınıflandırmasıyla aynıdır. Fark: randomForest olasılığı ağaç oylarının oranından, scikit-learn yaprak oranlarının ortalamasından hesaplar; yaprak boyu 1'de ikisi çok yakındır. Valavi ve ark.'nın (2021) önerdiği aşağı örnekli (down-sampled) RF HABITUS'ta yoktur; Balance classes ağırlıklandırma yapar, aşağı örnekleme yapmaz.

5.10 SVM: destek vektör makinesi

Şekil 5.6. SVM sekmesi: StandardScaler notu; C 1.00, kernel rbf, gamma scale.
Şekil 5.6. SVM sekmesi: StandardScaler notu; C 1.00, kernel rbf, gamma scale.

Aile ve uygulama. Çekirdek (kernel) tabanlı sınır sınıflandırıcısı. scikit-learn SVC, probability=True ile: olasılıklar Platt ölçeklemesiyle, scikit-learn'ün kendi iç çapraz doğrulamasında elde edilir (sdm_core.py:3562-3568). Öngörücüler standartlaştırılır, kategorikler one-hot kodlanır. Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
C: Hata cezası; küçüldükçe daha düzgün sınır 1.00 0.001 – 1000 tabs/tab_models.py:789; sdm_core.py:3565
kernel: Çekirdek işlevi rbf rbf, linear, poly, sigmoid tabs/tab_models.py:790
gamma: Çekirdek genişliği (RBF, poly, sigmoid) scale scale, auto ya da sayı tabs/tab_models.py:791-793, 1156-1159

5.10.1 C

5.10.2 kernel ve gamma

5.11 ANN: yapay sinir ağı (çok katmanlı algılayıcı)

Şekil 5.7. ANN sekmesi: Hidden layers 100,50; Activation relu; max_iter 2000; alpha (L2) 0.00010.
Şekil 5.7. ANN sekmesi: Hidden layers 100,50; Activation relu; max_iter 2000; alpha (L2) 0.00010.

Aile ve uygulama. İleri beslemeli sinir ağı. scikit-learn MLPClassifier (Adam eniyileyicisi, scikit-learn varsayılanı), öngörücüler standartlaştırılır, kategorikler one-hot kodlanır (sdm_core.py:3569-3581). Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Hidden layers: Gizli katmanlardaki nöron sayıları, virgülle 100,50 pozitif tamsayılar listesi tabs/tab_models.py:799, 1144-1154
Activation: Etkinleştirme işlevi relu relu, tanh, logistic tabs/tab_models.py:800
max_iter: En çok eğitim yinelemesi (dönem) 2000 100 – 5000 tabs/tab_models.py:801
alpha (L2): Ağırlıklara L2 cezası 0.00010 0.0 – 100.0 tabs/tab_models.py:802-804; sdm_core.py:3579

5.11.1 Hidden layers

5.11.2 alpha (L2)

5.11.3 Activation ve max_iter

5.12 XGBoost: aşırı gradyan artırma

Şekil 5.8. XGBoost sekmesi: açıklama notu; n_estimators 500, max_depth 6, learning_rate 0.050, subsample 0.80, colsample_bytree 0.80, reg_alpha (L1) 0.00, reg_lambda (L2) 1.00.
Şekil 5.8. XGBoost sekmesi: açıklama notu; n_estimators 500, max_depth 6, learning_rate 0.050, subsample 0.80, colsample_bytree 0.80, reg_alpha (L1) 0.00, reg_lambda (L2) 1.00.

Aile ve uygulama. Düzenlemeli gradyan artırmalı ağaçlar (Chen ve Guestrin 2016), xgboost.XGBClassifier, kayıp işlevi log-kayıp (sdm_core.py:3582-3608). Varlık–sözde yokluk. Arayüzde olmayan iki ayar sabittir: min_child_weight = 1, gamma = 0.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
n_estimators: Artırma turu (ağaç) sayısı 500 50 – 5000 tabs/tab_models.py:815
max_depth: Ağaç derinliği 6 1 – 12 tabs/tab_models.py:816
learning_rate: Öğrenme hızı (eta) 0.050 0.001 – 0.5 tabs/tab_models.py:817
subsample: Ağaç başına satır oranı 0.80 0.1 – 1.0 tabs/tab_models.py:818
colsample_bytree: Ağaç başına öngörücü oranı 0.80 0.1 – 1.0 tabs/tab_models.py:819
reg_alpha (L1): Yaprak ağırlıklarına L1 cezası 0.00 0 – 10 tabs/tab_models.py:820
reg_lambda (L2): Yaprak ağırlıklarına L2 cezası 1.00 0 – 10 tabs/tab_models.py:821

5.12.1 n_estimators, learning_rate, max_depth

5.12.2 subsample ve colsample_bytree

5.12.3 reg_alpha ve reg_lambda

5.13 LightGBM: hafif gradyan artırma

Şekil 5.9. LightGBM sekmesi: açıklama notu; n_estimators 500, max_depth -1, learning_rate 0.050, num_leaves 31, subsample 0.80, colsample_bytree 0.80, min_child_samples 20, reg_alpha 0.00, reg_lambda 0.00.
Şekil 5.9. LightGBM sekmesi: açıklama notu; n_estimators 500, max_depth -1, learning_rate 0.050, num_leaves 31, subsample 0.80, colsample_bytree 0.80, min_child_samples 20, reg_alpha 0.00, reg_lambda 0.00.

Aile ve uygulama. Histogram tabanlı, yaprak öncelikli (leaf-wise) büyüyen gradyan artırma; lightgbm.LGBMClassifier (sdm_core.py:3610-3628). Ağaç büyüklüğü derinlikle değil yaprak sayısıyla denetlenir. Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
n_estimators: Tur sayısı 500 50 – 5000 tabs/tab_models.py:837
max_depth (-1=∞): Derinlik sınırı -1 (sınırsız) -1 – 100 tabs/tab_models.py:838
learning_rate: Öğrenme hızı 0.050 0.001 – 0.5 tabs/tab_models.py:839
num_leaves: Ağaç başına en çok yaprak 31 2 – 255 tabs/tab_models.py:840
subsample: Satır alt örnekleme oranı 0.80 0.1 – 1.0 tabs/tab_models.py:841
colsample_bytree: Ağaç başına öngörücü oranı 0.80 0.1 – 1.0 tabs/tab_models.py:842
min_child_samples: Yapraktaki en az satır 20 1 – 200 tabs/tab_models.py:843
reg_alpha (L1): L1 cezası 0.00 0 – 10 tabs/tab_models.py:844
reg_lambda (L2): L2 cezası 0.00 0 – 10 tabs/tab_models.py:845

5.13.1 num_leaves ve max_depth

5.13.2 min_child_samples

5.13.3 subsample ve colsample_bytree

5.13.4 n_estimators, learning_rate, reg_alpha, reg_lambda

5.14 CatBoost: kategorik artırma

Şekil 5.10. CatBoost sekmesi: açıklama notu; iterations 300, depth 4, learning_rate 0.030, l2_leaf_reg 5.0, random_strength 1.00, bagging_temperature 1.00, border_count 128.
Şekil 5.10. CatBoost sekmesi: açıklama notu; iterations 300, depth 4, learning_rate 0.030, l2_leaf_reg 5.0, random_strength 1.00, bagging_temperature 1.00, border_count 128.

Aile ve uygulama. Simetrik (her düzeyde aynı bölünmeyi kullanan) ağaçlarla sıralı artırma; catboost.CatBoostClassifier (sdm_core.py:3630-3647). Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
iterations: Tur sayısı 300 50 – 5000 tabs/tab_models.py:863
depth: Simetrik ağaç derinliği 4 1 – 16 tabs/tab_models.py:864
learning_rate: Öğrenme hızı 0.030 0.001 – 0.5 tabs/tab_models.py:865
l2_leaf_reg: Yaprak değerlerine L2 cezası 5.0 0 – 20 tabs/tab_models.py:866
random_strength: Bölünme skorlarına eklenen gürültü 1.00 0.01 – 10 tabs/tab_models.py:867
bagging_temperature: Bayesçi bootstrap ağırlıklarının gücü 1.00 0 – 10 tabs/tab_models.py:868
border_count: Sürekli öngörücülerin bölünme sınırı sayısı 128 1 – 255 tabs/tab_models.py:869

5.14.1 iterations, learning_rate, depth

5.14.2 l2_leaf_reg, random_strength, bagging_temperature

5.14.3 border_count

5.15 GAM: genelleştirilmiş toplamsal model

Şekil 5.11. GAM sekmesi: LogisticGAM notu; n_splines 20, lam (smoothing) 0.6000.
Şekil 5.11. GAM sekmesi: LogisticGAM notu; n_splines 20, lam (smoothing) 0.6000.

Aile ve uygulama. Lojistik toplamsal model: logit, her öngörücünün düzgün (spline) bir işlevinin toplamıdır (Hastie ve Tibshirani 1986). pygam LogisticGAM; her sürekli öngörücüye cezalı bir B-spline terimi s(), her kategorik öngörücüye faktör terimi f() verilir; etkileşim terimi yoktur (sdm_core.py:4500-4549). Varlık–sözde yokluk. Ham değerlerle çalışır.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
n_splines: Öngörücü başına spline taban işlevi sayısı 20 4 – 100 tabs/tab_models.py:881-886; sdm_core.py:4508-4512
lam (smoothing): Düzgünleştirme cezası 0.6000 0.0001 – 1000 tabs/tab_models.py:887-892; sdm_core.py:4513-4514

5.15.1 n_splines

5.15.2 lam (düzgünleştirme cezası)

R ile eşdeğerlik. biomod2 ve flexsdm GAM'ları mgcv kullanır; mgcv düzgünleştirme katsayısını veriden (GCV/REML) kestirir ve varsayılan taban ince plaka regresyon spline'ıdır. HABITUS'taki pygam modeli sabit lam ile çalışır; bu nedenle iki programın tepki eğrileri aynı veride farklı düzgünlükte olabilir.

Dikkat: GAM sınıf dengesini desteklemez; Balance classes GAM'ı etkilemez (sdm_core.py:3681).

5.16 MaxEnt: en yüksek entropi

Şekil 5.12. MaxEnt sekmesi: elapid ve maxnet amaç işlevi notu; Auto (maxnet default rule) kapalı, Feature types linear,hinge,product, Regularisation multiplier (β / RM) 1.00, Use lambdas best (devre dışı), N hinge features 50, N threshold features elapid default.
Şekil 5.12. MaxEnt sekmesi: elapid ve maxnet amaç işlevi notu; Auto (maxnet default rule) kapalı, Feature types linear,hinge,product, Regularisation multiplier (β / RM) 1.00, Use lambdas best (devre dışı), N hinge features 50, N threshold features elapid default.

Aile ve uygulama. Varlık + arka plan yöntemi (Phillips ve ark. 2006, 2017). Öngörücülerden "özellikler" (doğrusal, kare, çarpım, menteşe, eşik) türetilir ve L1 cezalı bir modelle hangi özelliklerin kalacağı belirlenir. HABITUS özellikleri elapid kütüphanesiyle üretir (Anderson 2023), katsayıları ise R maxnet'in amaç işlevini çözerek kestirir (sdm_core.py:3776-3836, 4551-4757). Çıktı elapid'in cloglog dönüşümüdür ve sonradan yeniden ölçeklenmez (sdm_core.py:4772-4845).

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Auto (maxnet default rule) Özellik sınıflarını varlık sayısından seçer kapalı açık / kapalı tabs/tab_models.py:1056-1063; sdm_core.py:3758-3773
Feature types: Özellik sınıfları, virgülle linear,hinge,product linear, quadratic, hinge, product, threshold tabs/tab_models.py:1048-1055; sdm_core.py:4616-4624
Regularisation multiplier (β / RM): Düzenleme çarpanı 1.00 0.1 – 20.0 (adım 0.5) tabs/tab_models.py:1064-1077; sdm_core.py:4625
Use lambdas: Kullanılmaz (devre dışı) best best, last tabs/tab_models.py:1078-1085
N hinge features: Öngörücü başına menteşe düğümü sayısı 50 10 – 200 tabs/tab_models.py:1086; sdm_core.py:4626
N threshold features: Öngörücü başına eşik özelliği sayısı elapid default (0 = elapid'in 10'u) 0 – 200 tabs/tab_models.py:1087-1091; sdm_core.py:4645-4649

5.16.1 maxnet amaç işlevi birebir uygulanır

HABITUS derlemelerinde R glmnet'in Python karşılığı bulunmadığından elapid kendi başına tek bir ceza katsayılı scikit-learn lojistik regresyonuna düşer. Bu yolda özelliğe özgü cezalar yoktur ve düzenleme çarpanı modeli neredeyse değiştirmez (sdm_core.py:3780-3787). HABITUS bu nedenle elapid'in kurduğu özellik dönüştürücüsünü kullanır, katsayıları ise maxnet_refit işleviyle yeniden kestirir (sdm_core.py:4719-4746). maxnet, glmnet'i standardize = FALSE, özellik başına ceza çarpanları ve w_i = p_i + 100(1-p_i) ağırlıklarıyla (varlık 1, arka plan 100) bir λ yolu boyunca çözer ve son λ'yı tutar. Bu son λ'da çözülen problem, sabit bir çarpan dışında şudur (sdm_core.py:3789-3797):

\min_{\beta_0,\beta}\; \sum_i w_i\, \ell_i(\beta_0,\beta) \;+\; n_{\text{varlık}} \sum_j r_j\, \lvert\beta_j\rvert

Burada \ell_i lojistik kayıp, r_j özellik j'nin düzenleme değeridir. r_j elapid'in compute_regularization işleviyle özellik sınıfına, varlık sayısına, özelliğin varlıklardaki dağılımına ve β çarpanına göre hesaplanır (sdm_core.py:3810-3816). Kesişim cezasızdır. Problem liblinear ile, özellikler n_{\text{varlık}}\cdot r_j'ye bölünerek çözülür; ardından MaxEnt normalleştirme sabitleri (alpha, entropi) arka plan satırlarından yeniden hesaplanır (sdm_core.py:3817-3835). Koşunun kaydında bu çözücü "maxnet objective (feature-specific L1 penalties, last lambda)" olarak yazılır (sdm_core.py:4743-4744).

Varlıklar arka plana eklenir. maxnet'in addsamplestobackground = TRUE ve Maxent'in varsayılan davranışı gibi, öngörücü değerleri arka plan satırlarında bulunmayan her varlık arka plana da eklenir (sdm_core.py:4698-4707). Eklenen sayı habitus_run_config.json içinde maxent_settings_used.presences_added_to_background alanına yazılır; örnek koşunun tam modelinde 91'dir.

R maxnet ile otomatik test. tests/test_maxent_maxnet.py, Rutrough ve ark.'nın (2019) verisinin bir alt kümesinde (302 varlık, 2000 arka plan satırı; ppt, silt, slope) HABITUS'un cloglog tahminini R maxnet 0.1.4 çıktısıyla karşılaştırır. Üç ayar sınanır (LQH β=3, LQH β=1, LQPH β=3); her birinde Pearson ve Spearman korelasyonunun 0,995'ten, ortalama mutlak farkın 0,02'den küçük olması beklenir (tests/test_maxent_maxnet.py:39-50). İki ek test, β büyüdükçe sıfırdan farklı katsayı sayısının azaldığını (53-59) ve varlıkların arka plana eklendiğini (62-64) denetler. R çıktısı testle birlikte saklanan bir dosyadır; testin kendisi R çalıştırmaz. Kod açıklaması aynı veride R maxnet ile Schoener D = 0,998 uyum bildirir (sdm_core.py:3799-3800).

5.16.2 Feature types ve Auto (maxnet default rule)

5.16.3 Regularisation multiplier (β / RM)

5.16.4 N hinge features ve N threshold features

5.16.5 Use lambdas

Kutu devre dışıdır ve sonucu etkilemez: model maxnet gibi λ yolunun son değerinde uydurulur (tabs/tab_models.py:1079-1085). Değer yine de kayda (use_lambdas) yazılır.

Not: MaxEnt çapraz doğrulamasında arka plan katlara bölünmez; her kat aynı arka planla eğitilir. Test skorları test katındaki varlık ve sözde yokluklarla hesaplanır. Arka planın büyüklüğü ve örnekleme biçimi ① Data'da ayarlanır (Bölüm 3). Kurulu elapid bir ayarı tanımıyorsa ayar sessizce atılmaz; "MaxEnt: the installed elapid (…) has no setting for …" uyarısı verilir (sdm_core.py:4684-4691).

5.17 ENFA: ekolojik niş faktör analizi

Şekil 5.13. ENFA sekmesi: Hirzel ve ark. (2002) notu; Specialisation axes (K) 3.
Şekil 5.13. ENFA sekmesi: Hirzel ve ark. (2002) notu; Specialisation axes (K) 3.

Aile ve uygulama. Türün kullandığı ortamı genel (küresel) ortamla karşılaştıran çok değişkenli niş yöntemi (Hirzel ve ark. 2002). HABITUS'ta numpy ile yazılmıştır (sdm_core.py:4046-4204):

  1. Küresel ortalama ve kovaryans, varsa ① Data'daki yalnız-varlık arka planından, yoksa eğitim katının bütün satırlarından (varlık + sözde yokluk) kestirilir; kovaryans Ledoit–Wolf büzülmesiyle hesaplanır ve köşegenine 1e-6 eklenir.
  2. Veri küresel kovaryansla beyazlatılır; marjinallik ekseni, tür ortalamasının küresel ortalamadan farkının yönüdür.
  3. Marjinalliğe dik alt uzayda varlıkların kovaryansının özdeğer ayrışımı yapılır ve en büyük özdeğerli K eksen tutulur.
  4. Ham puan \exp\{-\tfrac12[d_m^2 + \sum_k (z_k-\mu_k)^2/\lambda_k]\}'dir; d_m marjinallik ekseni boyunca tür ortalamasına uzaklıktır.
  5. Puan, uydurma sırasında eğitim satırlarının puan aralığıyla 0–1'e ölçeklenir; bu aralık modelle saklanır, böylece aynı hücre her tahminde aynı değeri alır (sdm_core.py:3719-3743, 4158-4162).

Kategorik değişkenler dışarıda bırakılır. En az 2 varlık gerekir.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Specialisation axes (K): Tutulacak özelleşme ekseni sayısı 3 1 – 10 tabs/tab_models.py:1102-1104; sdm_core.py:4074, 4133

5.17.1 Specialisation axes (K)

R ile karşılaştırma. adehabitatHS enfa marjinallik ve özelleşme eksenlerini hesaplar; uygunluk haritası için Hirzel ve ark.'nın özgün çalışması ayrı bir hesap kullanır. HABITUS'un ENFA puanı yukarıdaki Gauss biçimli uzaklıktır; R uygulamalarıyla sayısal karşılaştırma testi yoktur.

5.18 Mahalanobis uzaklığı

Şekil 5.14. Mahalanobis sekmesi: Farber ve Kadmon (2003) notu; Regularisation (ε) 0.00000100; Ledoit-Wolf shrinkage (recommended) işaretli.
Şekil 5.14. Mahalanobis sekmesi: Farber ve Kadmon (2003) notu; Regularisation (ε) 0.00000100; Ledoit-Wolf shrinkage (recommended) işaretli.

Aile ve uygulama. Yalnız-varlık uzaklık yöntemi: varlıkların ortalama ortamına Mahalanobis uzaklığı D^2(x) = (x-\mu)^\top \Sigma^{-1}(x-\mu) hesaplanır ve ham puan \exp(-D^2/2) olur (Farber ve Kadmon 2003). Kovaryans yalnız varlıklardan kestirilir (sdm_core.py:4207-4273). Puan, ENFA'daki gibi eğitim satırlarının (varlık + sözde yokluk) puan aralığıyla 0–1'e ölçeklenir ve bu aralık saklanır. Kategorik değişkenler dışarıda kalır; en az 2 varlık gerekir.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Regularisation (ε): Kovaryans köşegenine eklenen sabit 0.00000100 0.0 – 1.0 tabs/tab_models.py:1116-1124; sdm_core.py:4237, 4245
Ledoit-Wolf shrinkage (recommended) Kovaryansı Ledoit–Wolf büzülmesiyle kestirir açık açık / kapalı tabs/tab_models.py:1125-1129; sdm_core.py:4238-4244

5.18.1 Ledoit-Wolf shrinkage

5.18.2 Regularisation (ε)

R ile karşılaştırma. dismo mahal ham uzaklığı farklı bir dönüşümle verir; HABITUS'un \exp(-D^2/2) dönüşümü ve eğitim aralığıyla ölçeklemesi ondan farklıdır. Aynı ortalama ve kovaryans kullanıldığında sıralama (dolayısıyla AUC) büyük ölçüde aynıdır; yalnız HABITUS'un eğitim aralığına kırpması aralık dışındaki hücrelerde eşit değerler yaratabilir.

5.19 BIOCLIM: iklim zarfı

Şekil 5.15. BIOCLIM sekmesi: yöntem notu (Nix 1986; dismo::bioclim); Tails both.
Şekil 5.15. BIOCLIM sekmesi: yöntem notu (Nix 1986; dismo::bioclim); Tails both.

Aile ve uygulama. Yalnız-varlık zarf (envelope) yöntemi (Nix 1986). numpy ile yazılmıştır (sdm_niche.py:44-90). Her öngörücü için hücre değerinin varlık değerleri içindeki yüzdeliği p orta-sıra kuralıyla hesaplanır; p > 0{,}5 ise 1-p alınır (medyanda katlanır), öngörücüler üzerinden en küçük değer alınıp ikiyle çarpılır. Sonuç 0–1 arasındadır: 1 bütün öngörücülerin medyanında, 0 en az bir öngörücünün varlık aralığı dışında demektir. Puan yeniden ölçeklenmez. Kategorik değişkenler dışarıda kalır; en az 2 varlık gerekir.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Tails: Hangi kuyruğun puanı düşüreceği both both, low, high tabs/tab_models.py:900-907; sdm_niche.py:79-88

5.19.1 Tails

R ile karşılaştırma. dismo bioclim ile aynı tanımdır. Yüzdelik orta sıra (mid-rank) ile hesaplanır; dismo'nun eşit değerleri işleme biçimi doğrulanamadığından değerler 1/n düzeyinde farklı olabilir (sdm_niche.py:16-18).

5.20 Domain: Gower uzaklığı

Şekil 5.16. Domain sekmesi: yöntem notu (Carpenter ve ark. 1993; dismo::domain, flexsdm::fit_dom); ayar yok.
Şekil 5.16. Domain sekmesi: yöntem notu (Carpenter ve ark. 1993; dismo::domain, flexsdm::fit_dom); ayar yok.

Aile ve uygulama. Yalnız-varlık benzerlik yöntemi (Carpenter ve ark. 1993). Bir hücre ile her varlık arasındaki Gower uzaklığı, öngörücüler üzerinden \lvert x_j-z_j\rvert/\text{aralık}_j ortalamasıdır; aralık varlık değerlerinin aralığıdır. Uygunluk \max(0,\,1-\min_z G)'dir (sdm_niche.py:95-127). Aralığı sıfır olan öngörücü eşitse 0, değilse 1 katkı verir. Kategorik değişkenler dışarıda kalır; en az 2 varlık gerekir; yinelenen varlık satırları bir kez sayılır.

Ayarı yoktur; sayfada yalnız açıklama notu bulunur (tabs/tab_models.py:917-925).

Dikkat: Domain, en yakın tek varlığa bakar. Tek bir hatalı ya da uç kayıt, çevresinde yüksek uygunluk yaratır; kayıt temizliği (Bölüm 2) bu yöntem için özellikle önemlidir. Hesap süresi varlık sayısıyla doğrusal artar; bellek, hücre bloklarıyla sınırlandırılır.

R ile karşılaştırma. dismo domain ve flexsdm fit_dom ile aynı tanımdır; HABITUS'ta karşılaştırmalı test yoktur.

5.21 GLMNET: elastik ağ lojistik regresyon

Şekil 5.17. GLMNET sekmesi: yöntem notu; Model terms linear, C (inverse penalty) 1.0000, l1_ratio (alpha) 0.50.
Şekil 5.17. GLMNET sekmesi: yöntem notu; Model terms linear, C (inverse penalty) 1.0000, l1_ratio (alpha) 0.50.

Aile ve uygulama. L1 ve L2 cezalarını birleştiren elastik ağ lojistik regresyon (Zou ve Hastie 2005; Friedman ve ark. 2010). scikit-learn LogisticRegression, saga çözücü, en çok 5000 yineleme; terimler GLM'deki gibi üretilip standartlaştırılır (sdm_core.py:3446-3461, 3493-3505). Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Model terms: Terim yapısı linear linear, quadratic, interactions tabs/tab_models.py:929-934
C (inverse penalty): Ters ceza gücü 1.0000 0.0001 – 10 000 tabs/tab_models.py:935-939
l1_ratio (alpha): L1 / L2 karışımı 0.50 0.0 – 1.0 (adım 0.1) tabs/tab_models.py:940-945

5.21.1 C (inverse penalty)

5.21.2 l1_ratio (alpha)

5.21.3 Model terms

5.22 CART: sınıflandırma ağacı

Şekil 5.18. CART sekmesi: yöntem notu (Breiman ve ark. 1984; sdm::rpart); max_depth 5, min_samples_leaf 5, ccp_alpha 0.0000.
Şekil 5.18. CART sekmesi: yöntem notu (Breiman ve ark. 1984; sdm::rpart); max_depth 5, min_samples_leaf 5, ccp_alpha 0.0000.

Aile ve uygulama. Tek bir sınıflandırma ağacı (Breiman ve ark. 1984). scikit-learn DecisionTreeClassifier; uygunluk, hücrenin düştüğü yapraktaki varlık oranıdır (sdm_core.py:3506-3515). Varlık–sözde yokluk.

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
max_depth: En çok derinlik 5 0 (no limit) – 30 tabs/tab_models.py:957-960; sdm_core.py:3509-3511
min_samples_leaf: Yapraktaki en az satır 5 1 – 500 tabs/tab_models.py:961-963
ccp_alpha: Maliyet-karmaşıklık budaması 0.0000 0.0 – 0.5 tabs/tab_models.py:964-967

5.22.1 max_depth ve min_samples_leaf

5.22.2 ccp_alpha

5.23 ESM: küçük modeller topluluğu

Şekil 5.19. ESM sekmesi: yöntem notu; Small-model algorithm GLM, GLM terms quadratic, Weight statistic somers_d, Weight power 1.0, Folds per pair 3; altta örnek koşu için bilgi satırı (8 sürekli öngörücü, 28 çift; 143 varlık notu).
Şekil 5.19. ESM sekmesi: yöntem notu; Small-model algorithm GLM, GLM terms quadratic, Weight statistic somers_d, Weight power 1.0, Folds per pair 3; altta örnek koşu için bilgi satırı (8 sürekli öngörücü, 28 çift; 143 varlık notu).

Aile ve uygulama. Çok az kayıtlı türler için önerilen yöntem (Lomba ve ark. 2010; Breiner ve ark. 2015). Her sürekli öngörücü çifti için iki değişkenli küçük bir model uydurulur; çiftler, kendi çapraz doğrulama başarılarıyla ağırlıklandırılıp ortalanır (sdm_core.py:4370-4455, sdm_niche.py:130-265). p öngörücüde p(p-1)/2 çift vardır; 8 öngörücüde 28. Kategorik değişkenler çiftlere girmez. 100'den fazla çift olursa uyarı verilir (sdm_niche.py:39).

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Small-model algorithm: Küçük modellerin algoritması GLM GLM, RF, MAXENT tabs/tab_models.py:979-983; sdm_core.py:4380-4385, 4407-4414
GLM terms: GLM küçük modellerinin terimleri quadratic quadratic, linear tabs/tab_models.py:1004-1005; sdm_core.py:4409
Weight statistic: Çift ağırlığının ölçütü somers_d somers_d, auc, boyce tabs/tab_models.py:984-991; sdm_niche.py:142-157
Weight power: Ağırlığın üssü 1.0 0.0 – 10.0 tabs/tab_models.py:992-996
Folds per pair: Her çifti puanlayan kat sayısı 3 2 – 10 tabs/tab_models.py:997-1003; sdm_core.py:4296-4368

Sayfanın altındaki bilgi satırı seçilen öngörücülerden çift sayısını hesaplar; 50 ve daha çok varlıkta ESM'nin küçük örneklemler için tasarlandığını hatırlatır (tabs/tab_models.py:1022-1044).

5.23.1 Small-model algorithm ve GLM terms

5.23.2 Weight statistic ve Weight power

5.23.3 Folds per pair

R ile karşılaştırma. ecospat ecospat.ESM.Modeling aynı fikri biomod2 modelleriyle uygular. HABITUS'un uygulaması kendine özgüdür; ecospat ile sayısal karşılaştırma testi yoktur.

5.24 Çıktılar ve sonraki adıma geçenler

5.25 Uzman soruları

S1. On sekiz algoritmadan hangilerini seçmeliyim; varsayılan neden yalnız GLM ve RF? Cevap: Program açılışta yalnız GLM ve RF'yi işaretler (tabs/tab_models.py:129-132): biri yorumlanabilir parametrik regresyon, öteki esnek bir ağaç topluluğu; ikisi de ek paket gerektirmez ve hızlıdır. Seçim için kesin bir kural kodda yoktur. Tipik bir çalışma farklı ailelerden birkaç yöntemi (GLM ya da GAM, RF ya da BRT, MaxEnt) çalıştırıp topluluk haritasıyla birleştirir. Çok az kayıtta (yaklaşık 30'un altı) ESM, GLMNET ya da doğrusal/karesel özellikli MaxEnt; yalnız varlık kaydı olan ve sözde yoklukla çalışmak istenmeyen durumlarda MaxEnt, ENFA, Mahalanobis, BIOCLIM ve Domain düşünülür. Valavi ve ark. (2022), yalnız-varlık verisinde karşılaştırmalı başarımını çok sayıda tür üzerinde inceler; sonuçları HABITUS'un uygulamalarıyla doğrudan aktarılamaz, yine de yöntem ailelerinin genel davranışı için başvurulabilir.

S2. Varsayılan değerler nereden geliyor? Cevap: Üç kaynaktan. (1) Kütüphane varsayılanları: RF (500 ağaç, sqrt, yaprak 1; randomForest ile aynı), SVM, ANN'in alpha'sı, GAM (20 spline, lam 0,6; pygam), XGBoost'un cezaları. (2) Yayın: BRT öğrenme hızı ve torbalama oranı Elith ve ark. (2008) (sdm_core.py:3530-3548), MaxEnt menteşe sayısı ve β = 1 maxnet, ESM Breiner ve ark. (2015). (3) HABITUS'un kendi eşli çapraz doğrulama karşılaştırmaları: GBM'in kütük ağaçları ve BRT'nin derinliği 2 (kod açıklamaları sdm_core.py:3517-3522, 3532-3537), GLM'in C = 1 cezası (ipucu, tabs/tab_models.py:741-745). Bu karşılaştırmaların ayrıntısı kod açıklamalarında belirtilen iç notlardadır; kitabın konusu değildir. Bir yayında ayarlar "HABITUS varsayılanları" diye değil, habitus_run_config.json'daki sayılarla raporlanmalıdır.

S3. HABITUS'un MaxEnt'i R maxnet ile aynı sonucu verir mi? Cevap: Amaç işlevi aynıdır: özellik başına L1 cezası, varlık 1 / arka plan 100 ağırlığı, son λ, varlıkların arka plana eklenmesi (sdm_core.py:3776-3836, 4698-4707). tests/test_maxent_maxnet.py, Rutrough ve ark. (2019) verisinde üç ayarda R maxnet 0.1.4 tahminleriyle korelasyonun 0,995'i aşmasını ve ortalama mutlak farkın 0,02'nin altında kalmasını sınar. Kalan farkların kaynağı çözücüdür (glmnet'in koordinat inişi yerine liblinear) ve kesişimin çok küçük ama sıfır olmayan cezası. Özellik üretimi elapid'e aittir; elapid ile maxnet'in menteşe düğümlerinin yerleştirilmesi bu test verisinde uyumludur, her veri için ayrıca sınanmamıştır. maxnet ile birebir karşılaştırma için Auto (maxnet default rule) işaretlenmelidir; HABITUS'un varsayılan linear,hinge,product seti maxnet'in kuralıyla aynı değildir.

S4. MaxEnt'te varlıkların arka plana eklenmesi neden önemli? Cevap: Maxent ve maxnet'in varsayılan davranışı budur; varlığın bulunduğu ortam, kullanılabilir ortamın da bir parçasıdır. Eklenmezse varlık hücrelerinin ortamı arka plan dağılımında eksik temsil edilir ve modelin ham çıktısı ile normalleştirme sabiti maxnet'ten farklılaşır. HABITUS yalnız öngörücü değerleri arka planda zaten bulunmayan varlıkları ekler (sdm_core.py:4702-4706); örnek koşunun tam modelinde 143 varlıktan 91'i eklenmiştir.

S5. Yalnız-varlık yöntemleri (MaxEnt, ENFA, Mahalanobis, BIOCLIM, Domain) neden sözde yokluklarla değerlendiriliyor? Cevap: HABITUS bütün algoritmaları aynı test katında, aynı varlık ve sözde yokluk satırlarıyla puanlar (sdm_core.py:5530-5540); böylece skorlar algoritmalar arasında karşılaştırılabilir ve topluluk ağırlıkları tutarlı olur. Bu durumda AUC "varlığı sözde yokluktan ayırma" gücüdür, gerçek yokluğa karşı başarı değildir; Boyce indeksi ise yalnız varlıklara dayandığından yalnız-varlık verisi için daha uygun bir ölçüttür. Test katında varlık kalmazsa eğitim varlıklarının beşte biri teste taşınır (sdm_core.py:5455-5468); bu durumda kat başka algoritmaların katından farklılaşır. Kullanıcı yalnız-varlık modellerini ayrıca değerlendirmek isterse Boyce ve OR_10p sütunlarına odaklanmalıdır.

S6. Sınıf dengesi (Balance classes) açılmalı mı; prevalans neyi değiştirir? Cevap: Varsayılan kapalıdır. Örnek koşuda sözde yokluk : varlık oranı 7,0 : 1'dir (pa_to_presence_ratio = 6,993). Denge açıldığında desteklenen algoritmalarda iki sınıfın toplam ağırlığı eşitlenir (§5.4.5). Bu, tahmin edilen değerin anlamını değiştirir: çıktı artık sözde yokluk oranını yansıtmaz, eşikler yeniden türetilir; sıralama ölçütleri (AUC) çoğunlukla az etkilenir (ipucu, tabs/tab_models.py:346-348). Sözde yokluk sayısı zaten keyfî olduğundan mutlak "olasılık" yorumlanmıyorsa denge şart değildir. Önemli olan, dengenin GAM, MaxEnt ve yalnız-varlık yöntemlerinde hiç uygulanmadığıdır; bir toplulukta dengeli ve dengesiz modeller karışabilir. Uygulamanın dökümü class_weight_applied alanındadır.

S7. Sonuçlar tekrarlanabilir mi; hangi kaynaklar rastgelelik katar? Cevap: Evet; tek tohumla. Bütün rastgele öğrenicilere ① Data'daki tohum verilir (sdm_core.py:3474-3475); MaxEnt'e de random_state geçer (sdm_core.py:4643), permütasyon önemi tohumdan türetilen üreteçle hesaplanır (sdm_core.py:4847-4853). Rastgelelik katan ayarlar RF'nin bootstrap'ı, GBM/BRT/XGBoost/LightGBM'in alt örneklemesi, CatBoost'un random_strength'i ve bagging_temperature'ı, ANN'in başlangıç ağırlıkları, SVM'nin Platt katları ve ESM'nin iç katlarıdır. Çok iş parçacıklı kütüphaneler (RF, XGBoost, LightGBM n_jobs = -1) farklı işlemci sayısında kayan nokta toplama sırası yüzünden son basamaklarda fark verebilir; bu kodda sınanmamıştır. Kütüphane sürümleri habitus_run_config.json → environment alanında kaydedilir; aynı sonuç için aynı sürümler gerekir.

S8. GLM neden cezalı; R'deki glm ile sonucumu nasıl karşılaştırırım? Cevap: Karesel ve etkileşim terimleri az kayıtta katsayıları şişirir; HABITUS standartlaştırılmış terimlere hafif bir L2 cezası uygular (sdm_core.py:3481-3492). R glm() cezasızdır. Karşılaştırma için Regularisation C = 1e6 girilir; terim yapısı R'de y ~ x + I(x^2) (quadratic) ya da y ~ poly(x1, x2, degree = 2, raw = TRUE) (interactions) ile kurulur. biomod2'nin GLM'i ayrıca AIC'ye göre adımsal seçim yapar; HABITUS'ta adımsal seçim yoktur, bu nedenle biomod2 ile katsayılar birebir aynı olmaz.

S9. GAM'ın sonuçları mgcv ile neden farklı olabilir? Cevap: HABITUS pygam LogisticGAM'ı sabit bir düzgünleştirme cezasıyla (lam, varsayılan 0,6) ve öngörücü başına 20 B-spline tabanıyla uydurur (sdm_core.py:4500-4523). mgcv ise cezayı veriden (GCV/REML) seçer ve farklı bir taban kullanır. Aynı veride mgcv daha düzgün ya da daha kıvrımlı eğri seçebilir. Yakınlaştırmak için ayar sekmesinde lam aranabilir; ama iki model yine özdeş olmaz. GAM'da etkileşim terimi ve sınıf dengesi yoktur.

S10. BRT ağaç sayısını dismo gbm.step gibi kendisi seçiyor mu? Cevap: Hayır. n_estimators sabittir (BRT 1000, GBM 200) ve erken durdurma kullanılmaz (sdm_core.py:3523-3548). dismo gbm.step ağaç sayısını 10 katlı çapraz doğrulama sapmasının en küçük olduğu yerde durdurur. HABITUS'ta yakın bir sonuç için GBM ayar sekmesinde n_estimators × learning_rate ızgarası aranır ve seçilen değer BRT'ye elle yazılır. Ayrıca Elith ve ark. tree.complexity = 5 kullanmışken HABITUS BRT'nin derinliği 2'dir.

S11. XGBoost, LightGBM ve CatBoost'un varsayılanları SDM için uygun mu? Cevap: Bu üçünün varsayılanları (XGBoost derinlik 6 ve 500 tur; LightGBM 31 yaprak, sınırsız derinlik ve 500 tur; CatBoost derinlik 4 ve 300 tur) GBM ve BRT'ye göre çok daha karmaşık modellerdir (sdm_core.py:3586-3647). Yardım sekmesindeki karşılaştırma tablosu bunlar için en az 100 kayıt ve aşırı uyum eğilimi not eder. Birkaç yüz varlıktan az veride derinliği 2–3'e, yaprak sayısını 7–15'e indirmek ve sonucu eğitim–test AUC farkıyla (dAUC) denetlemek önerilir. LightGBM'de subsample ayarının etkisi olmadığına dikkat edilmelidir (§5.13.3).

S12. Kategorik bir öngörücü (ör. arazi örtüsü) eklediğimde her algoritma onu aynı biçimde mi kullanıyor? Cevap: Hayır (§5.4.3). Regresyon ve çekirdek yöntemleri sınıf başına 0/1 sütun, GAM faktör terimi, MaxEnt kategorik özellik kullanır; ağaç yöntemleri tamsayı kodunu sayısal bölünmeyle işler; zarf ve uzaklık yöntemleri değişkeni dışarıda bırakır ve günlüğe not düşer (sdm_core.py:4010-4036). Bu yüzden bir topluluktaki modellerin bir kısmı kategorik değişkeni hiç görmeyebilir. Eğitimde görülmemiş bir sınıf (yalnız projeksiyon alanında bulunan) regresyon yöntemlerinde, GAM'da ve MaxEnt'te "sınıf etkisi yok" olarak, ağaçlarda ise sayısal kodunun düştüğü dalda değerlendirilir.

S13. ENFA ve Mahalanobis puanları neden 0–1 aralığına yeniden ölçekleniyor; harita karşılaştırılabilir mi? Cevap: Ham puan \exp(-D^2/2) çok öngörücüde hızla sıfıra yaklaşır. HABITUS, uydurma sırasında eğitim satırlarının puan aralığını saklar ve her tahminde aynı aralığı kullanır (sdm_core.py:3719-3743). Bu nedenle bir hücre, test katında da projeksiyonda da aynı değeri alır ve eşik iki ortamda aynı anlamdadır. Yine de puanın ölçeği algoritmaya özgüdür; ENFA'nın 0,6'sı ile GLM'in 0,6'sı aynı olasılık değildir. Topluluk ağırlıkları ve ikili eşikler bu yüzden algoritma başına ayrı belirlenir (Bölüm 6).

S14. Ayarlanan parametreleri bir yayında nasıl raporlamalıyım? Cevap: habitus_run_config.json içindeki algorithm_options (girilen değerler), maxent_settings_used (MaxEnt'e gerçekten verilenler ve çözücü), class_weight, clamp, random_seed ve environment (kütüphane sürümleri) birlikte raporlanmalıdır. Ayar sekmesi kullanıldıysa ızgara, seçim kuralı ve seçilen nokta da yazılmalıdır; ayar ile değerlendirme aynı katlarda yapıldığında skorun iyimser olabileceği Bölüm 6'da tartışılır. ODMAP raporu (Bölüm 11) bu bilgilerin çoğunu otomatik taşır.

5.26 Sık hatalar ve tuzaklar

5.27 Kaynaklar

Anderson, C.B., 2023. elapid: Species distribution modeling tools for Python. Journal of Open Source Software 8, 4930. https://doi.org/10.21105/joss.04930

Breiman, L., 2001. Random forests. Machine Learning 45, 5–32. https://doi.org/10.1023/A:1010933404324

Breiman, L., Friedman, J.H., Olshen, R.A., Stone, C.J., 1984. Classification and Regression Trees. Wadsworth, Belmont (yeni baskı: Routledge, 2017). https://doi.org/10.1201/9781315139470

Breiner, F.T., Guisan, A., Bergamini, A., Nobis, M.P., 2015. Overcoming limitations of modelling rare species by using ensembles of small models. Methods in Ecology and Evolution 6, 1210–1218. https://doi.org/10.1111/2041-210X.12403

Carpenter, G., Gillison, A.N., Winter, J., 1993. DOMAIN: a flexible modelling procedure for mapping potential distributions of plants and animals. Biodiversity and Conservation 2, 667–680. https://doi.org/10.1007/BF00051966

Chen, T., Guestrin, C., 2016. XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. https://doi.org/10.1145/2939672.2939785

Elith, J., Leathwick, J.R., Hastie, T., 2008. A working guide to boosted regression trees. Journal of Animal Ecology 77, 802–813. https://doi.org/10.1111/j.1365-2656.2008.01390.x

Farber, O., Kadmon, R., 2003. Assessment of alternative approaches for bioclimatic modeling with special emphasis on the Mahalanobis distance. Ecological Modelling 160, 115–130. https://doi.org/10.1016/S0304-3800(02)00327-7

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., 1986. Generalized additive models. Statistical Science 1, 297–310. https://doi.org/10.1214/ss/1177013604

Hirzel, A.H., Hausser, J., Chessel, D., Perrin, N., 2002. Ecological-niche factor analysis: how to compute habitat-suitability maps without absence data? Ecology 83, 2027–2036. https://doi.org/10.1890/0012-9658(2002)083[2027:ENFAHT]2.0.CO;2

Ledoit, O., Wolf, M., 2004. A well-conditioned estimator for large-dimensional covariance matrices. Journal of Multivariate Analysis 88, 365–411. https://doi.org/10.1016/S0047-259X(03)00096-4

Lomba, A., Pellissier, L., Randin, C., Vicente, J., Moreira, F., Honrado, J., Guisan, A., 2010. Overcoming the rare species modelling paradox: a novel hierarchical framework applied to an Iberian endemic plant. Biological Conservation 143, 2647–2657. https://doi.org/10.1016/j.biocon.2010.07.007

Merow, C., Smith, M.J., Silander, J.A., 2013. A practical guide to MaxEnt for modeling species' distributions: what it does, and why inputs and settings matter. Ecography 36, 1058–1069. https://doi.org/10.1111/j.1600-0587.2013.07872.x

Muscarella, R., Galante, P.J., Soley-Guardia, M., Boria, R.A., Kass, J.M., Uriarte, M., Anderson, R.P., 2014. ENMeval: An R package for conducting spatially independent evaluations and estimating optimal model complexity for Maxent ecological niche models. Methods in Ecology and Evolution 5, 1198–1205. https://doi.org/10.1111/2041-210X.12261

Nix, H.A., 1986. A biogeographic analysis of Australian elapid snakes. In: Longmore, R. (Ed.), Atlas of Elapid Snakes of Australia. Australian Flora and Fauna Series 7. Australian Government Publishing Service, Canberra, 4–15.

Oshiro, T.M., Perez, P.S., Baranauskas, J.A., 2012. How many trees in a random forest? In: Perner, P. (Ed.), Machine Learning and Data Mining in Pattern Recognition. Lecture Notes in Computer Science 7376. Springer, Berlin, 154–168. https://doi.org/10.1007/978-3-642-31537-4_13

Phillips, S.J., Anderson, R.P., Schapire, R.E., 2006. Maximum entropy modeling of species geographic distributions. Ecological Modelling 190, 231–259. https://doi.org/10.1016/j.ecolmodel.2005.03.026

Phillips, S.J., Anderson, R.P., Dudík, M., Schapire, R.E., Blair, M.E., 2017. Opening the black box: an open-source release of Maxent. Ecography 40, 887–893. https://doi.org/10.1111/ecog.03049

Rutrough, A., Widick, I.V., Bean, W.T., 2019. Reconstruction of the historical range alters niche estimates in an endangered rodent. Ecography 42, 1742–1751. https://doi.org/10.1111/ecog.04238

Valavi, R., Elith, J., Lahoz-Monfort, J.J., Guillera-Arroita, G., 2021. Modelling species presence-only data with random forests. Ecography 44, 1731–1742. https://doi.org/10.1111/ecog.05615

Valavi, R., Guillera-Arroita, G., Lahoz-Monfort, J.J., Elith, J., 2022. Predictive performance of presence-only species distribution models: a benchmark study with reproducible code. Ecological Monographs 92, e01486. https://doi.org/10.1002/ecm.1486

Velazco, S.J.E., Rose, M.B., de Andrade, A.F.A., Minoli, I., Franklin, J., 2022. flexsdm: An R package for supporting a comprehensive and flexible species distribution modelling workflow. Methods in Ecology and Evolution 13, 1661–1669. https://doi.org/10.1111/2041-210X.13874

Zou, H., Hastie, T., 2005. Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society Series B 67, 301–320. https://doi.org/10.1111/j.1467-9868.2005.00503.x