《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) |