拓端tecdat|R語言生態(tài)學(xué)建模：增強(qiáng)回歸樹（BRT）預(yù)測短鰭鰻生存分布和影響因素
原文鏈接：http://tecdat.cn/?p=22482
原文出處：拓端數(shù)據(jù)部落公眾號
引言
本文是一個簡短的教程，在R中擬合BRT（提升回歸樹）模型。我們的目標(biāo)是使BRT（提升回歸樹）模型應(yīng)用于生態(tài)學(xué)數(shù)據(jù)，并解釋結(jié)果。
本教程的目的是幫助你學(xué)習(xí)如何在R中開發(fā)一個BRT模型。
?示例數(shù)據(jù)
有兩套短鰭鰻的記錄數(shù)據(jù)。一個用于模型訓(xùn)練（建立），一個用于模型測試（評估）。在下面的例子中，我們加載的是訓(xùn)練數(shù)據(jù)。存在（1）和不存在（0）被記錄在第2列。環(huán)境變量在第3至14列。
> head(train)
擬合模型
擬合gbm模型，你需要決定使用什么設(shè)置，本文為你提供經(jīng)驗(yàn)法則使用的信息。這些數(shù)據(jù)有1000個地點(diǎn)，包括202條短鰭鰻的存在記錄。你可以假設(shè)：1. 有足夠的數(shù)據(jù)來建立具有合理復(fù)雜性的相互作用模型? 2. 大約0.01的lr學(xué)習(xí)率可能是一個合理的初始點(diǎn)。下面的例子顯示如何確定最佳樹數(shù)（nt）。
step(data= train, ?x = 3:13,family = "bernoulli", ?comp = 5,lr = 0.01, bag.fr = 0.5)
對提升回歸樹模型進(jìn)行交叉驗(yàn)證優(yōu)化。
使用1000個觀測值和11個預(yù)測因子，創(chuàng)建10個50棵樹的初始模型。
上面我們使用了交叉驗(yàn)證的。我們定義了：數(shù)據(jù)；預(yù)測變量；因變量--表示物種數(shù)據(jù)的列號；樹的復(fù)雜度--我們首先嘗試樹的復(fù)雜度為5；學(xué)習(xí)率--我們嘗試用0. 01。
運(yùn)行一個如上所述的模型，將輸出進(jìn)度報(bào)告，做出圖形。首先，你能看到的東西。這個模型是用默認(rèn)的10倍交叉驗(yàn)證法建立的。黑色實(shí)心曲線是預(yù)測偏差變化的平均值，點(diǎn)狀曲線是1個標(biāo)準(zhǔn)誤差（即在交叉驗(yàn)證上測量的結(jié)果）。紅線表示平均值的最小值，綠線表示生成該值的樹的數(shù)量。模型對象中返回的最終模型是在完整的數(shù)據(jù)集上建立的，使用的是最優(yōu)的樹數(shù)量。
length(fitted)
返回的結(jié)果包含 fitted - 來自最終樹的擬合值，fitted.vars - 擬合值的方差， residuals - 擬合值的殘差，contribution - 變量的相對重要性。 statistics - 相關(guān)的評估統(tǒng)計(jì)量。cv.statistics 這些是最合適的評估統(tǒng)計(jì)數(shù)據(jù)。
我們在每個交叉驗(yàn)證中計(jì)算每個統(tǒng)計(jì)量（在確定的最佳樹數(shù)下，根據(jù)所有交叉驗(yàn)證中預(yù)測偏差的平均變化進(jìn)行計(jì)算），然后在此呈現(xiàn)這些基于交叉驗(yàn)證的統(tǒng)計(jì)量的平均值和標(biāo)準(zhǔn)誤差。 weights - 擬合模型時使用的權(quán)重（默認(rèn)情況下，每個觀測值為 "1"，即權(quán)重相等）。 trees. fitted - 階段性擬合過程中每一步所擬合的樹的數(shù)量記錄；training.loss.values - 訓(xùn)練數(shù)據(jù)上偏差的階段性變化 ，cv.values - 階段性過程中每一步所計(jì)算的預(yù)測偏差的CV估計(jì)值的平均值。
你可以用摘要函數(shù)查看變量的重要性
> summary(lr )
選擇設(shè)置
以上是對設(shè)置的初步猜測，使用了Elith等人（2008）中討論的經(jīng)驗(yàn)法則。它做出的模型只有650棵樹，所以我們的下一步將是減少lr。例如，嘗試lr = 0.005，爭取超過1000棵樹。
step(data=train, ?x = 3:13,tree.co ?= 5,+ lr = 0.005
為了探索其他設(shè)置是否表現(xiàn)更好，你可以將數(shù)據(jù)分成訓(xùn)練集和測試集，或者使用交叉驗(yàn)證結(jié)果，改變tc、lr和bagging，然后比較結(jié)果。
簡化模型
簡化會建立了許多模型，所以它可能很慢。在其中，我們評估了簡化lr為0.005的模型的價值，但只測試剔除最多5個變量（"n.drop "參數(shù)；默認(rèn)是自動規(guī)則一直持續(xù)到預(yù)測偏差的平均變化超過gbm.step中計(jì)算的原始標(biāo)準(zhǔn)誤差）。
對于我們的運(yùn)行，估計(jì)要剔除的最佳變量數(shù)是1；可以使用紅色垂直線指示的數(shù)字。現(xiàn)在，建立一個剔除1個預(yù)測變量的模型，使用[[1]]表示我們要剔除一個變量。
step( ?x= pred.list[[1]], )
現(xiàn)在這已經(jīng)形成了一個新的模型，但是考慮到我們并不特別想要一個更簡單的模型（因?yàn)樵谶@種規(guī)模的數(shù)據(jù)集中，包含的變量貢獻(xiàn)很小是可以接受的），我們不會繼續(xù)使用它。
繪制模型的函數(shù)和擬合值
由我們的函數(shù)創(chuàng)建的BRT模型的擬合函數(shù)可以用plot來繪制。
> ?plot( lr005 )
這個函數(shù)的附加參數(shù)允許對圖進(jìn)行平滑表示。根據(jù)環(huán)境空間內(nèi)觀測值的分布，擬合函數(shù)可以給出與每個預(yù)測因子有關(guān)的擬合值分布。
fits( lr005)
每張圖上方的數(shù)值表示與每個非因素預(yù)測因子有關(guān)的擬合值的加權(quán)平均值。
繪制交互作用
該代碼評估數(shù)據(jù)中成對的交互作用的程度。
inter( lr005)
返回一個列表。前兩個部分是對結(jié)果的總結(jié)，首先是5個最重要的交互作用的排名列表，其次是所有交互作用的表格。
f$intera
你可以像這樣繪制交互作用。
persp( lr005, ?z.range=c(0,0.6)
對新數(shù)據(jù)進(jìn)行預(yù)測
如果您想對一組地點(diǎn)進(jìn)行預(yù)測（而不是對整個地圖進(jìn)行預(yù)測），一般的程序是建立一個數(shù)據(jù)框架，行代表地點(diǎn)，列代表您模型中的變量。我們用于預(yù)測站點(diǎn)的數(shù)據(jù)集在一個名為test的文件中。 "列需要轉(zhuǎn)換為一個因子變量，其水平與建模數(shù)據(jù)中的水平一致。使用predict對BRT模型中的站點(diǎn)進(jìn)行預(yù)測，預(yù)測結(jié)果在一個名為preds的向量中。
preds <- predict(lr005,test,deviance(obs=test, pred=preds)
> d <- cbind(obs, preds)> e <- evaluate(p=pres, a=abs)
gbm中預(yù)測的一個有用的特點(diǎn)是可以預(yù)測不同數(shù)量的樹。
tree<- seq(100, 5000, by=100)predict( n.trees=tree, "response")
上面的代碼會形成一個矩陣，每一列都是模型對tree.list中該元素所指定的樹數(shù)量的預(yù)測，例如，第5列的預(yù)測是針對tree.list[5]=500棵樹。現(xiàn)在來計(jì)算所有這些結(jié)果的偏差，然后繪制。
> for (i in 1:50) {calc.devi(obs,+ pred[,i])+ }> plot(tree.list,deviance
空間預(yù)測
這里我們展示了如何對整張地圖進(jìn)行預(yù)測。
> plot(grids)
我們用一個常量值（"因子 "類）創(chuàng)建一個data.frame，并將其傳遞給預(yù)測函數(shù)。
> p <- predict(grids, lr005,> plot(p)
最受歡迎的見解
1.R語言多元Logistic邏輯回歸 應(yīng)用案例
2.面板平滑轉(zhuǎn)移回歸(PSTR)分析案例實(shí)現(xiàn)
3.matlab中的偏最小二乘回歸（PLSR）和主成分回歸（PCR）
4.R語言泊松Poisson回歸模型分析案例
5.R語言回歸中的Hosmer-Lemeshow擬合優(yōu)度檢驗(yàn)
6.r語言中對LASSO回歸，Ridge嶺回歸和Elastic Net模型實(shí)現(xiàn)
7.在R語言中實(shí)現(xiàn)Logistic邏輯回歸
8.python用線性回歸預(yù)測股票價格
9.R語言如何在生存分析與Cox回歸中計(jì)算IDI，NRI指標(biāo)
