範囲バグ：プレゼンスのみのデータからの生態学的ニッチモデリングのための新しい方法

生態学的なニッチは、種の個体群が他の場所から個人を導入することなく持続できる環境のセットです。ニッチの優れた数学的または計算的表現は、生態学、生物地理学、進化生物学、および保全の多くの質問に対処するための前提条件です。生態学的なニッチモデリングの特に挑戦的な質問は、プレゼンスのみのモデリングの問題です。つまり、比較のために非ニッチ環境の記録のないニッチ環境のセットからのみ描かれたレコードから生態学的ニッチを特定できますか？ここでは、レンジバグと呼ばれるプレゼンスのみのデータから生態学的ニッチモデリングの新しい方法を紹介します。範囲の袋は、種の環境範囲の概念に基づいていますが、生態学的研究の他の分野におけるアンサンブル学習アルゴリズムの経験的パフォーマンスに触発されました。このホワイトペーパーでは、環境範囲の概念を複数の次元に拡張し、環境次元の数が多い場合でも、範囲の袋詰めが計算可能に実行可能であることを示しています。範囲バグベースの学習者のターゲットは、そのニッチの投影における種の環境耐性であり、したがって、種の生物学的要件の生態学的に解釈可能な特性です。範囲袋の計算の複雑さは、例の数で線形であり、これは主な代替Qhullと比較して比較されます。結論として、範囲の袋は、プレゼンスのみの方法が望まれるアプリケーションでのニッチモデリングの合理的な選択であると思われ、外れ値の検出や概念学習など、1クラスの分類が必要な他の分野の問題の解決策を提供する可能性があります。。

The ecological niche is the set of environments in which a population of a species can persist without introduction of individuals from other locations. A good mathematical or computational representation of the niche is a prerequisite to addressing many questions in ecology, biogeography, evolutionary biology and conservation. A particularly challenging question for ecological niche modelling is the problem of presence-only modelling. That is, can an ecological niche be identified from records drawn only from the set of niche environments without records from non-niche environments for comparison? Here, I introduce a new method for ecological niche modelling from presence-only data called range bagging. Range bagging draws on the concept of a species' environmental range, but was inspired by the empirical performance of ensemble learning algorithms in other areas of ecological research. This paper extends the concept of environmental range to multiple dimensions and shows that range bagging is computationally feasible even when the number of environmental dimensions is large. The target of the range bagging base learner is an environmental tolerance of the species in a projection of its niche and is therefore an ecologically interpretable property of a species' biological requirements. The computational complexity of range bagging is linear in the number of examples, which compares favourably with the main alternative, Qhull. In conclusion, range bagging appears to be a reasonable choice for niche modelling in applications in which a presence-only method is desired and may provide a solution to problems in other disciplines where one-class classification is required, such as outlier detection and concept learning.