หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

starve เป็นแพ็คเกจ R สำหรับการวิเคราะห์ข้อมูลอ้างอิงจุดเชิงพื้นที่-ชั่วคราว ซึ่งเป็นรูปแบบข้อมูลทั่วไปของการสำรวจวิจัยทางนิเวศวิทยา

การติดตั้งแพ็คเกจ

คุณสามารถติดตั้งแพ็คเกจโดยใช้ 

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

เมื่อติดตั้งแล้ว สามารถดูบทความสั้นของแพ็คเกจได้โดยเปิด R และรัน 

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

บทความสั้นนี้ทำหน้าที่เป็นข้อมูลอ้างอิงเชิงลึกสำหรับการทำงานกับแพ็คเกจที่อดอยาก

หากคุณประสบปัญหาในการสร้างบทความสั้นระหว่างคำแนะนำเกี่ยวกับแพ็คเกจ โปรดตรวจสอบให้แน่ใจว่าคุณได้ติดตั้ง pandoc ไว้ในระบบของคุณแล้ว

หลักการออกแบบที่เป็นแนวทาง

อินเตอร์เฟซที่เรียบง่าย

ด้วยอินเทอร์เฟซที่เรียบง่าย ผู้ใช้แพ็คเกจสามารถใช้เวลาและพลังงานมากขึ้นในการเรียนรู้จากข้อมูลของตน และลดขั้นตอนในการเขียนโค้ดขั้นตอนการวิเคราะห์ข้อมูลลง แพ็คเกจ starve ห่อหุ้มฟังก์ชันการทำงานไว้ในสี่ฟังก์ชันหลัก:

  • strv_prepare() ใช้สูตรโมเดลและ data.frame และประมวลผลข้อมูลล่วงหน้าเพื่อสร้างออบเจ็กต์โมเดลซึ่งจะใช้ในฟังก์ชันอื่นอีกสามฟังก์ชัน
  • strv_fit() ดำเนินการอนุมานความน่าจะเป็นสูงสุดบนวัตถุโมเดล โดยรับค่าประมาณพารามิเตอร์และข้อผิดพลาดมาตรฐาน
  • strv_predict() ใช้วัตถุแบบจำลองเพื่อทำนายตำแหน่งและเวลาที่ผู้ใช้กำหนด
  • strv_simulate() จำลองชุดข้อมูลใหม่จากวัตถุโมเดล

ลักษณะหนึ่งของแพ็คเกจที่ผู้ใช้บางคนอาจไม่คุ้นเคยคือการใช้คลาส S4 ซึ่งเราใช้สำหรับวัตถุโมเดล (เหนือสิ่งอื่นใด) สำหรับผู้ใช้ คลาส S4 ทำงานคล้ายกับรายการ แต่แทนที่จะใช้สัญลักษณ์ $ เพื่อเข้าถึงบางส่วนของรายการ คุณจะใช้ฟังก์ชันเพื่อเข้าถึงส่วนหนึ่งของคลาส S4 ตัวอย่างเช่นหากต้องการดูค่าประมาณพารามิเตอร์หลังจากรัน strv_fit() คุณจะใช้ 

parameters( x )

แทน 

 x $ parameters

รายละเอียดทั้งหมดสำหรับการสำรวจวัตถุโมเดลมีระบุไว้ในบทความสั้นของแพ็คเกจ

การใช้รูปแบบข้อมูลเชิงพื้นที่โดยธรรมชาติ

R มีระบบนิเวศข้อมูลเชิงพื้นที่และเชิงพื้นที่ที่สมบูรณ์ โปรดดูมุมมองงาน CRAN เกี่ยวกับการวิเคราะห์ข้อมูลเชิงพื้นที่ และการจัดการและการวิเคราะห์ข้อมูลเชิงพื้นที่-เชิงเวลา แพ็คเกจ starve ยอมรับรูปแบบข้อมูลเชิงพื้นที่ "คุณสมบัติอย่างง่าย" มาตรฐานโดยตรงตามที่นำมาใช้ในแพ็คเกจ sf และยังรวมการใช้แพ็คเกจ stars สำหรับการทำนายแบบจำลองด้วย ซึ่งช่วยให้ผู้ใช้สามารถข้ามขั้นตอนการถกเถียงข้อมูลจำนวนมากที่อาจเกี่ยวข้องเมื่อวิเคราะห์ข้อมูลเชิงพื้นที่และชั่วคราว ซึ่งนำไปสู่ขั้นตอนการทำงานที่คล่องตัว

ประสิทธิภาพการคำนวณ

แพ็คเกจ starve ใช้เทคนิคที่หลากหลายเพื่อทำให้การวิเคราะห์มีประสิทธิภาพในการคำนวณ ซึ่งแต่เดิมเป็นปัจจัยจำกัดหลักสำหรับการวิเคราะห์ข้อมูลเชิงพื้นที่และชั่วคราว

  • สร้างขึ้นโดยใช้ TMB ซึ่งใช้การผสมผสานระหว่างภาษา C++ การประมาณ Laplace และการสร้างความแตกต่างอัตโนมัติ เพื่อประเมินความเป็นไปได้เล็กน้อยสำหรับโมเดลเอฟเฟกต์แบบผสมอย่างรวดเร็ว
  • แบบจำลองที่ใช้ในแพ็คเกจใช้กระบวนการเกาส์เซียนเพื่อนบ้านที่ใกล้ที่สุดเพื่อสร้างแบบจำลองความแปรผันเชิงพื้นที่ในข้อมูล ซึ่งแทนที่งานที่มีราคาแพงในการคำนวณในการกลับค่าเมทริกซ์ความแปรปรวนร่วมขนาดใหญ่เพียงตัวเดียวด้วยงานที่ค่อนข้างถูกในการกลับค่าเมทริกซ์ความแปรปรวนร่วมขนาดเล็กจำนวนมาก
  • แพคเกจใช้ประโยชน์จากโครงสร้างเชิงพื้นที่-ชั่วคราว และความจริงที่ว่าความแปรปรวนของการแจกแจงแบบเกาส์เซียนแบบมีเงื่อนไขไม่ได้ขึ้นอยู่กับค่าที่มีเงื่อนไขในการแคชการคำนวณความแปรปรวนร่วมจากหนึ่งปีถึงปีถัดไป
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด