Funcionamiento, interfaz y formato de los datos en MaxEnt - Gbif.es

AbstractFinite-valued input two-dimensional (2-D) Gaussian channels with memoryrepresent an important class of systems, which appears extensively incommunications and storage. In spite of their widespread use, the workingsof 2-D channels are still very much unknown. In this work we tryto explore their properties from the perspective of estimation theory andinformation theory.At the heart of our approach is a mapping of a 2-D channel to anundirected graphical model, and inferring its a-posteriori probabilitiesusing generalized belief propagation (GBP). The derived probabilitiesare shown to be practically accurate, thus enabling optimal maximuma-posteriori (MAP) estimation of the transmitted symbols. Also, theShannon-theoretic information rates are deduced either via the vector-wiseShannon-McMillan-Breiman theorem, or via the recently derived symbolwiseGuo-Shamai-Verdú theorem. Our approach is also described from theperspective of statistical mechanics, as the graphical model and inferencealgorithm have their analogues in physics.Our experimental study, based on common channel settings taken fromcellular networks and magnetic recording devices, demonstrates that undernon-trivial memory conditions, the performance of this fully tractableGBP estimator is almost identical to the performance of the optimal MAPestimation. It also enables a practically accurate simulation-based estimateof the information rate. Rationalization of this excellent performanceof GBP in the 2-D Gaussian channel setting is addressed.Index Terms: Two-dimensional channels, intersymbol interference, maximuma-posteriori estimation, information rate, generalized belief propagation, clustervariation method, Shannon-McMillan-Breiman theorem, Guo-Shamai-Verdútheorem, magnetic recording channels, multiple-access channels.2

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Distribución resultado(modelo)Región de confianza(m.muestral # m.poblacional)muestraVariables ambientalesdeterminan cuándo hay un“pico”FrecuenciaMediamuestral??Podemos estimar estepunto?Valor Precipitación a los queaparece la especie

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Steven Phillips, Miro Dudik & Rob Schapire

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Steven Phillips, Miro Dudik & Rob Schapire

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Modelos de nicho:Modelo de Nicho EcológicoEspacio EcológicoAlgoritmo deModeladoHumedadPendienteTemperaturaProyección de vuelta alespacio geográficoEspacio GeográficoInformaciónAmbientalDatos de entrada$T $T $T$T$T $T$T $T $T $T$T$T $T$T$T$T $T$T$T$T$T$T $T$T$T $T$T$T$T$T$T $T$T $T $T $T$T$T $T$T$T$T$T $T$T$T $T$T $T$T$T $T$T $T $T$T$T$T$T $T $T $T$T$T$T$T$T$T $T$T$T $T$T $T$T$T $T$T$T$T$T$T $TRegistros de presenciade una especieProducto$T $T $T$T$T $T$T $T $T $T$T$T $T$T$T$T $T$T$T$T$T$T $T$T$T $T$T$T$T$T$T $T$T $T $T $T$T$T $T$T$T$T$T $T$T$T $T$T $T$T$T $T$T $T $T$T$T$T$T $T $T $T$T$T$T$T$T$T $T$T$T $T$T $T$T$T $T$T$T$T$T$T $TPredicción de distribución

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Superficie deprobabilidadBradypus variegates

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Ventajas de MaxEnt:• Datos ambientales continuos y categóricos (trabaja con la frecuencia de aparción)• Resultado continuo• Comportamiento determinista (repetible)• Capacidad interpretativa en dimensiones ecológicas (curvas de respuesta)• Rápido• Exacto (se ajusta a los datos)Steven Phillips, Miro Dudik & Rob Schapire

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Especificar archivo de datosArchivo .csvspecies,longitude,latitudebradypus_variegatus,-65.4,-10.3833bradypus_variegatus,-65.3833,-10.3833bradypus_variegatus,-65.1333,-16.8bradypus_variegatus,-63.6667,-17.45bradypus_variegatus,-63.85,-17.4Si hubiera más de una especie, loveríamos aquíOpción: “Settings → Delete duplicates”.(se pueden seleccionar o no,dependiendo de si queremosincluirlas en el modelo)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Especificar archivo de datosFormato de coberturas:ASCII grid de ESRIHay que especificar si lavariable es continua ocategórica!!Variables categóricas:indicadas preferiblemente pornúmeros (mejor que por letras opalabras).(las coberturas se puedenseleccionar o no, dependiendo de siqueremos incluirlas en el modelo)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Hay 3 tipos deformato deresultados(diferencias másadelante)Especificar archivo de salidaEspecificar archivo con lascoberturas de proyección

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)•El “gain” está relacionado con la desviación, una medida de la bondad de ajuste utilizadaen GAM y GLM.•Esta medida empieza en el valor 0 y va aumentando asintóticamente durante el procesode modelización.•Durante este proceso, MaxEnt está generando una distribución de probabilidad sobrelos píxeles de la grid, empezando por una distribución uniforme y, de forma iterativa,mejorando el ajuste de la distribución a los datos de muestreo.•Al final del proceso, el valor del gain indica cómo de ajustado está el modelo a lasmuestras de presencia; por ejemplo, si el gain toma valor de 2, ello significa que el valormedio de los píxeles que contienen un punto de presencia es exp(2) ≈ 7.4 veces mayorque una distribución al azar sobre dicho píxel.•Nótese que MaxEnt no está calculando directamente la “probabilidad de ocurrencia”. Laprobabilidad asignada por el modelo a cada píxel es, generalmente, muy pequeña, dadoque la suma de los valores totales del grid debe de ser 1

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Archivos de salida (resultado de MaxEnt): html

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Logistico:Valor por defectoDa una estimación entre 0y 1 de la probabilidad depresenciaEs el más fácil deinterpretar

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Datos crudos (raw data):Es simplemente el modeloexponencial de MaxEnt

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Cumulativo:Es el resultado más fácilde interpretar en términosde tasa de predicción deomisión

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)% de datos que se“guardan” pararealizar el testSin seleccionar: MaxEnt utilizaun conjuto de datos fijoArchivo de datosindependientescon los querealizar el testEliminar puntos duplicadosAjuste delmodelo (menor1: más ajustado)Nº máximo de iteracionesNº máximo de “background”puntos (grid)Límite de convergencia

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)% de datos que se“guardan” pararealizar el testSin seleccionar: MaxEnt utilizaun conjuto de datos fijoArchivo de datosindependientescon los querealizar el testEliminar puntos duplicadosAjuste delmodelo (menor1: más ajustado)Nº máximo de iteracionesNº máximo de “background”puntos (grid)Límite de convergencia

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Gráfico 1: Muestra cómo las omisiones calculadas a partir de los puntos deentrenamiento y los de test, y el área predicha como favorable varían según el valorlímite cumulativo:

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Gráfico 2: Curva operacional (curva ROC), para los 2 grupos de datos, el de test y el deentrenamiento, así como el área por debajo de la curva ROC (AUC).La curva roja (entrenamiento) representa el ajuste del modelo a los datos demuestreo. La curva azul (test) indica el grado de ajuste del modelo a los datos de test, ysupone el test real del poder predictivo del modelo. La línea turquesa representa la líneaesperada si el modelo no fuese mejor que “por azar”. Si la curva azul (test) cae por debajode la línea turquesa, indica que el modelo es peor que si se hubiese hecho al azar. Por elcontrario, cuanto más se aproxime la curva azul a la esquina superior izquierda, mejor es elmodelo para predecir las presencias de los datos de test.

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)¿Qué variables importan más?El programa asigna el incremento en el gain a las variables ambientales de las quedepende la especie. Convirtiendo dichos valores a porcentajes, al final del proceso demodelado obtenemos la siguiente tabla:

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)¿Qué variables importan más?En cada vuelta del modelo se excluye una variable y se crea el modelo con lasvariables remanentes. Después, se crea un modelo con cada una de las variables porseparado. De forma adicional, se crea un modelo utilizando todas las variables, comoen el caso “normal” de ejecutar MaxEnt.

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)¿Cómo depende la predicción de las variables?Curvas de respuesta: se evalúa cada variables manteniendo el valor del resto fijo ensu valor medio (cuidado con variables correlacionadas!!!)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)¿Cómo depende la predicción de las variables?Contribución marginal de cada variable por sí sola al modelo (obviando el resto devariables)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Si ponemos un valor máspequeño: modelo menosajustadoCuidado: distintos valorespueden dar lugar a modelosdemasiado generales o modelossobre-ajustados

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Regularización: modelo más general (valor de regularización menor que 1)originalregularizado

13. Funcionamiento, interfaz y formato de los datos en MaxEntRéplica del IV taller de modelización de nichos ecológicos (27-30 Mayo 2008)Muchas gracias