《表3 BRT模型的参数设置》
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
《GAM模型和BRT模型在长江口鱼类群落多样性预测中的比较》
在模型拟合时，共有3个参数需要设置:1) 学习率（learning rate，lr）又称为收缩参数，决定了单棵决策树在模型建立过程中的相对贡献率；2) 树的复杂度（tree complexity，tc）控制了单棵决策树的结点数量，即分裂次数；3) 装袋分数（bagging fraction）为单棵决策树在训练时所用随机观测数据占总体数据集的比例，通常推荐0.5～0.75.通过对不同参数组合的比较，本研究对于BRT模型参数的设置如表3所示，为限制运算时间，决策树最大数量被设置为5000棵.参数组合的选择依据这里不再详述，参见Elith等[16].后文中使用BRT-H和BRT-D来分别表示以多样性指数和丰富度指数作为响应变量的BRT模型.
| 图表编号 | XD0046584400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.01 |
| 作者 | 吴建辉、戴黎斌、戴小杰、田思泉、刘健、陈锦辉、王学昉、王家启 |
| 绘制单位 | 上海海洋大学海洋科学学院、上海市长江口中华鲟自然保护区管理处、上海海洋大学海洋科学学院、中国远洋渔业数据中心、大洋渔业资源可持续开发教育部重点实验室、上海海洋大学海洋科学学院、中国远洋渔业数据中心、大洋渔业资源可持续开发教育部重点实验室、国家远洋渔业工程技术研究中心、上海海洋大学海洋科学学院、中国远洋渔业数据中心、大洋渔业资源可持续开发教育部重点实验室、国家远洋渔业工程技术研究中心、上海市长江口中华鲟自然保护区管理处、上海市长江口中华鲟自然保护区管理处、上海海洋大学海洋科学学院、中国远洋渔业数据中心、大洋 |
| 更多格式 | 高清、无水印（增值服务） |
