Using interpretable boosting algorithms for modeling environmental and agricultural data

要約

タイトル：環境と農業のデータモデリングにおける解釈可能なブースティングアルゴリズムの使用

要約：
– 解釈可能なブースティングアルゴリズムを使うことで、高次元の環境データを分析することができる。
– 環境、社会、人間、生物学的データを用いて、チリとチュニジアの農家の気候リスクに対する財務的脆弱性を予測することで、これを説明する。
– 高次元のデータセットにおいてグループ構造を考慮し、相互作用を見つけることができる2段階のブースティング手法を使うことで、説明する。
– 提案手法の利点と効果を示し、議論する。結果は、相互作用効果が2段階ブースティングに含まれている場合にしか予測力が向上しないことを示している。
– すべての脆弱性を予測する上で最も重要な変数は自然資産であり、その他の重要な変数は灌漑の種類、経済的資産、近隣農場の作物被害の存在である。

要約(オリジナル)

We describe how interpretable boosting algorithms based on ridge-regularized generalized linear models can be used to analyze high-dimensional environmental data. We illustrate this by using environmental, social, human and biophysical data to predict the financial vulnerability of farmers in Chile and Tunisia against climate hazards. We show how group structures can be considered and how interactions can be found in high-dimensional datasets using a novel 2-step boosting approach. The advantages and efficacy of the proposed method are shown and discussed. Results indicate that the presence of interaction effects only improves predictive power when included in two-step boosting. The most important variable in predicting all types of vulnerabilities are natural assets. Other important variables are the type of irrigation, economic assets and the presence of crop damage of near farms.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI