6533b820fe1ef96bd127abc1

RESEARCH PRODUCT

Construction de Modèles Prédictifs pour l'Analyse des Relations Oiseaux-Paysage

Lucile SautotBruno FaivreJean-claude SimonLudovic JournauxLéo Perriche

subject

[ SDV.BID ] Life Sciences [q-bio]/Biodiversity[SPI]Engineering Sciences [physics]relations espèces-environnement[STAT.ML]Statistics [stat]/Machine Learning [stat.ML][SPI] Engineering Sciences [physics][ SPI ] Engineering Sciences [physics]oiseauxdata mining[SDV.BID]Life Sciences [q-bio]/Biodiversity[ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML][STAT.ML] Statistics [stat]/Machine Learning [stat.ML][SDV.BID] Life Sciences [q-bio]/Biodiversitymodélisation

description

National audience; Cet article présente une comparaison de trois méthodes (Modèles Linéaires Généralisés, Réseaux de Neurones, Machines Vecteurs Supports) et de différentes combinaisons de prétraitements de données (filtrage, arrondi, analyse factorielle, sélection de paramètres). L'objectif de cette comparaison est de définir quel est le processus qui permet de construire le meilleur modèle prédictif, dans le cadre de la prédiction d'abondances d'espèces d'oiseaux à partir de variables décrivant le paysage. Nous comparerons les modèles grâce à l'erreur moyenne absolue et à l'information mutuelle. Cette comparaison a montré qu'aucune technique étudiée ne permet de construire des modèles prédictifs très précis, mais que des réseaux de neurones appliqués sur des données filtrés permettent de modéliser les zones de présence et d'absence des espèces.

https://hal.archives-ouvertes.fr/hal-00909122