《表5 气候变量成分系数矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于MaxEnt的无翼坡垒在三亚潜在适生区的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在训练算法的每次迭代中，将正则增益的增加量加到相应变量的贡献中，若λ的绝对值的变化是负的，则从其减去，定义此为第一估计值即贡献率。若对每个环境变量的值随机置换，在置换后的数据基础上重新评估模型，将训练AUC的下降结果数据归一化为百分比定义为第二估计值即排列重要性。隔离环境变量单独使用时增益最高的环境变量为BIO＿14，因此，BIO＿14本身似乎具有最有用的信息。环境变量的刀切试验结果见图5。根据模型输出的结果反馈可以直观地看到，对模型的贡献率从大到小依次是：BIO＿14、高程、BIO＿19、BIO＿2、BIO＿13、t＿gravel、BIO＿18。其中BIO＿14贡献率为41.4%，排列重要性为42.3%，对模型贡献率与排列重要性均为第一；高程对模型的贡献率为17.9%，排列重要性为34.8%；BIO＿19对模型的贡献率为12.8%，排列重要性为7.7%。综上所述BIO＿14、高程和BIO＿19三个环境变量对模型的贡献率最大，贡献率总和为72.1%，重要性总和为84.8%；t＿gravel对模型的贡献率只有5.2%，但排列重要性排第三达9.5%。环境变量对模型贡献率见表5。