starve

starve ist ein R-Paket zur Analyse räumlich-zeitlicher punktbezogener Daten, einem für ökologische Forschungsumfragen typischen Datenformat.

Installieren des Pakets

Sie können das Paket mit installieren

 devtools :: install_github( " lawlerem/starve " , build_vignettes = TRUE )

Nach der Installation kann die Paketvignette angezeigt werden, indem Sie R öffnen und ausführen

vignette( " starve-tour " , package = " starve " )

Diese Vignette dient als ausführliche Referenz für die Arbeit mit dem Starve-Paket.

Wenn Sie während der Paketanweisung Probleme beim Erstellen der Vignette haben, stellen Sie bitte sicher, dass Pandoc auf Ihrem System installiert ist.

Leitende Designprinzipien

Einfache Schnittstelle

Mit einer einfachen Benutzeroberfläche können Benutzer des Pakets mehr Zeit und Energie in das Lernen aus ihren Daten investieren und müssen sich weniger damit beschäftigen, die Schritte der Datenanalyse zu programmieren. Das Starve-Paket fasst seine Funktionalität in vier Hauptfunktionen zusammen:

• strv_prepare() nimmt eine Modellformel und einen data.frame und verarbeitet die Daten vor, um ein Modellobjekt zu erstellen, das dann in den anderen drei Funktionen verwendet wird.
• strv_fit() führt eine Maximum-Likelihood-Inferenz für ein Modellobjekt durch und ermittelt Parameterschätzungen und Standardfehler.
• strv_predict() verwendet ein Modellobjekt, um an benutzerdefinierten Orten und Zeiten Vorhersagen zu treffen.
• strv_simulate() simuliert einen neuen Datensatz aus einem Modellobjekt.

Ein Aspekt des Pakets, mit dem einige Benutzer möglicherweise nicht vertraut sind, ist die Verwendung von S4-Klassen, die wir (unter anderem) für ein Modellobjekt verwenden. Für den Benutzer funktionieren S4-Klassen ähnlich wie Listen, aber anstatt das $ -Symbol für den Zugriff auf Teile der Liste zu verwenden, verwenden Sie Funktionen, um auf Teile einer S4-Klasse zuzugreifen. Um beispielsweise die Parameterschätzungen nach dem Ausführen strv_fit() anzuzeigen, würden Sie Folgendes verwenden:

parameters( x )

anstatt

 x $ parameters

Ausführliche Informationen zum Erkunden eines Modellobjekts finden Sie in der Paketvignette.

Native Verwendung räumlicher Datenformate

R verfügt über ein reichhaltiges räumliches und räumlich-zeitliches Datenökosystem, siehe die CRAN-Aufgabenansichten zur Analyse räumlicher Daten und zur Handhabung und Analyse räumlich-zeitlicher Daten. Das Starve-Paket akzeptiert direkt das Standard-Geodatenformat „Simple Features“, wie es im SF-Paket implementiert ist, und integriert auch die Verwendung des Stars-Pakets für Modellvorhersagen. Dadurch können Benutzer viele der Datenverarbeitungsschritte umgehen, die bei der Analyse räumlich-zeitlicher Daten erforderlich sein können, was zu einem optimierten Arbeitsablauf führt.

Recheneffizienz

Das Starve-Paket nutzt eine Vielzahl von Techniken, um die Analyse recheneffizient zu gestalten, was traditionell der Hauptbeschränkungsfaktor für die Analyse räumlich-zeitlicher Daten war.

• Es wird mit TMB erstellt, das die Kombination der C++-Sprache, der Laplace-Näherung und der automatischen Differenzierung verwendet, um Grenzwahrscheinlichkeiten für Modelle mit gemischten Effekten schnell zu bewerten.
• Das im Paket implementierte Modell verwendet einen Gaußschen Prozess für den nächsten Nachbarn, um räumliche Variationen in den Daten zu modellieren. Dadurch wird die rechenintensive Aufgabe der Invertierung einer einzelnen großen Kovarianzmatrix durch die relativ kostengünstige Aufgabe der Invertierung vieler kleiner Kovarianzmatrizen ersetzt.
• Das Paket nutzt die räumlich-zeitliche Struktur und die Tatsache, dass die Varianz bedingter Gauß-Verteilungen nicht vom bedingten Wert abhängt, um Kovarianzberechnungen von einem Jahr zum nächsten zwischenzuspeichern.