混合効果ランダムフォレストを用いた柔軟な領域予測【JST・京大機械翻訳】

Krennmair Patrick; Schmid Timo

プレプリント

J-GLOBAL ID：202202209587893364 整理番号：22P0280093

混合効果ランダムフォレストを用いた柔軟な領域予測【JST・京大機械翻訳】

Flexible domain prediction using mixed effects random forests

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月26日プレプリントサーバーでの情報更新日： 2022年06月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本論文は,小面積特異的試料サイズの存在における空間的に分解した指標を推定するための多目的ツールとしてランダムフォレストの使用を促進する。小さな面積推定器は主に回帰設定内で概念化され,調査データの階層構造を説明する線形混合モデルに依存する。対照的に,機械学習法は,非線形でノンパラメトリックな代替案を提供し,優れた予測性能とモデル不整合の縮小リスクを組み合わせた。混合効果ランダムフォレストは,階層依存性をモデル化する能力をもつ回帰森林の利点を結合する。本論文では,小面積平均を推定するための混合効果ランダムフォレストに基づくコヒーレントフレームワークを提供し,推定の不確実性を評価するためのノンパラメトリックブートストラップ推定器を提案した。著者らは,状態Nueve Le’onからのメキシコ所得データを使用して,提案した方法論の利点を説明した。最後に,この方法論を,小面積平均を推定するための従来の回帰ベースアプローチに対して提案された方法論を比較するモデルベースおよび設計ベースシミュレーションにおいて評価した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

森林植物学 , 統計的品質管理

, ,

前のページに戻る