Введение
В этом лабораторном занятии мы научимся моделировать географическое распространение видов с использованием машинного обучения. Это важная задача в биологии охраны, так как помогает нам понять распределение различных видов и разработать эффективные стратегии охраны. Мы будем использовать набор данных о двух южноамериканских млекопитающих, имея предыдущие наблюдения и 14 переменных окружающей среды. Мы будем использовать алгоритм OneClassSVM из библиотеки scikit-learn для моделирования географического распределения этих двух видов.
Советы по использованию ВМ
После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Ноутбук, чтобы получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений в Jupyter Notebook.
Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Импорт библиотек
В этом шаге мы импортируем необходимые библиотеки для нашего анализа. Мы импортируем библиотеку scikit-learn для машинного обучения, numpy для численного вычисления и matplotlib для визуализации.
from time import time
import numpy as np
import matplotlib.pyplot as plt
from sklearn.utils import Bunch
from sklearn.datasets import fetch_species_distributions
from sklearn import svm, metrics
Загрузка данных
В этом шаге мы загрузим данные из библиотеки scikit-learn. Мы будем использовать функцию fetch_species_distributions для загрузки данных о двух южноамериканских млекопитающих с учетом предыдущих наблюдений и 14 переменных окружающей среды.
## Load the compressed data
data = fetch_species_distributions()
Построение сетки карты
В этом шаге мы построим сетку карты из объекта данных. Мы создадим функцию construct_grids, которая принимает объект данных в качестве входных данных и возвращает xgrid и ygrid.
def construct_grids(batch):
"""Construct the map grid from the batch object
Parameters
----------
batch : Batch object
The object returned by fetch_species_distributions
Returns
-------
(xgrid, ygrid) : 1-D arrays
The grid corresponding to the values in batch.coverages
"""
## x,y coordinates for corner cells
xmin = batch.x_left_lower_corner + batch.grid_size
xmax = xmin + (batch.Nx * batch.grid_size)
ymin = batch.y_left_lower_corner + batch.grid_size
ymax = ymin + (batch.Ny * batch.grid_size)
## x coordinates of the grid cells
xgrid = np.arange(xmin, xmax, batch.grid_size)
## y coordinates of the grid cells
ygrid = np.arange(ymin, ymax, batch.grid_size)
return (xgrid, ygrid)
## Construct the map grid
xgrid, ygrid = construct_grids(data)
Создание бичука с информацией о видах
В этом шаге мы создадим бичук с информацией о конкретном организме. Мы создадим функцию create_species_bunch, которая принимает название вида, тренировочные и тестовые данные, покрытия, xgrid и ygrid в качестве входных данных и возвращает объект бичука.
def create_species_bunch(species_name, train, test, coverages, xgrid, ygrid):
"""Create a bunch with information about a particular organism
This will use the test/train record arrays to extract the
data specific to the given species name.
"""
bunch = Bunch(name=" ".join(species_name.split("_")[:2]))
species_name = species_name.encode("ascii")
points = dict(test=test, train=train)
for label, pts in points.items():
## choose points associated with the desired species
pts = pts[pts["species"] == species_name]
bunch["pts_%s" % label] = pts
## determine coverage values for each of the training & testing points
ix = np.searchsorted(xgrid, pts["dd long"])
iy = np.searchsorted(ygrid, pts["dd lat"])
bunch["cov_%s" % label] = coverages[:, -iy, ix].T
return bunch
## Create species bunch
BV_bunch = create_species_bunch(
"bradypus_variegatus_0", data.train, data.test, data.coverages, xgrid, ygrid
)
MM_bunch = create_species_bunch(
"microryzomys_minutus_0", data.train, data.test, data.coverages, xgrid, ygrid
)
Настройка OneClassSVM
В этом шаге мы настроим модель OneClassSVM на тренировочные данные. Мы стандартизируем признаки и настроим модель OneClassSVM на тренировочные данные.
## Standardize features
mean = BV_bunch.cov_train.mean(axis=0)
std = BV_bunch.cov_train.std(axis=0)
train_cover_std = (BV_bunch.cov_train - mean) / std
## Fit OneClassSVM
clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.5)
clf.fit(train_cover_std)
Предсказание распределения видов
В этом шаге мы будем предсказывать распределение видов с использованием модели OneClassSVM. Мы будем предсказывать распределение видов с использованием тренировочных данных и построить результаты.
## Predict species distribution using the training data
Z = np.ones((data.Ny, data.Nx), dtype=np.float64)
## We'll predict only for the land points.
idx = np.where(data.coverages[6] > -9999)
coverages_land = data.coverages[:, idx[0], idx[1]].T
pred = clf.decision_function((coverages_land - mean) / std)
Z *= pred.min()
Z[idx[0], idx[1]] = pred
levels = np.linspace(Z.min(), Z.max(), 25)
Z[data.coverages[6] == -9999] = -9999
## plot contours of the prediction
plt.contourf(X, Y, Z, levels=levels, cmap=plt.cm.Reds)
plt.colorbar(format="%.2f")
## scatter training/testing points
plt.scatter(
BV_bunch.pts_train["dd long"],
BV_bunch.pts_train["dd lat"],
s=2**2,
c="black",
marker="^",
label="train",
)
plt.scatter(
BV_bunch.pts_test["dd long"],
BV_bunch.pts_test["dd lat"],
s=2**2,
c="black",
marker="x",
label="test",
)
plt.legend()
plt.title(BV_bunch.name)
plt.axis("equal")
Вычисление площади под ROC-кривой (AUC)
В этом шаге мы вычислим площадь под ROC-кривой (AUC) по отношению к точкам фона. Мы будем предсказывать распределение видов с использованием тестовых данных и точек фона, и вычислять AUC.
## Compute AUC with regards to background points
background_points = np.c_[
np.random.randint(low=0, high=data.Ny, size=10000),
np.random.randint(low=0, high=data.Nx, size=10000),
].T
pred_background = Z[background_points[0], background_points[1]]
pred_test = clf.decision_function((BV_bunch.cov_test - mean) / std)
scores = np.r_[pred_test, pred_background]
y = np.r_[np.ones(pred_test.shape), np.zeros(pred_background.shape)]
fpr, tpr, thresholds = metrics.roc_curve(y, scores)
roc_auc = metrics.auc(fpr, tpr)
plt.text(-35, -70, "AUC: %.3f" % roc_auc, ha="right")
print("\n Area under the ROC curve : %f" % roc_auc)
Построение分布图 вида
В этом шаге мы построим分布图 вида для обоих видов с использованием функций и моделей, которые мы создали.
## Plot species distribution
plot_species_distribution()
plt.show()
Резюме
В этом практическом занятии мы научились моделировать географическое распределение видов с использованием машинного обучения. Мы использовали алгоритм OneClassSVM из библиотеки scikit - learn для моделирования географического распределения двух южноамериканских млекопитающих на основе прошлых наблюдений и 14 переменных окружающей среды. Мы также научились строить分布图 вида и вычислять площадь под ROC - кривой для оценки эффективности нашей модели.