PyGRF: 公衆衛生と自然災害における改善されたPython地理的ランダムフォレストモデルとケーススタディ

要旨 地理的ランダムフォレスト（GRF）は、最近開発された空間的に明示的な機械学習モデルです。より正確な予測とローカルな解釈を提供する能力を持つGRFは、すでに多くの研究で使用されています。しかし、現在のGRFモデルは、ローカルモデルの重みとバンド幅のハイパーパラメータの決定に制限があり、ローカルなトレーニングサンプルの数が不十分である場合や、時には高いローカル予測エラーが発生する可能性があります。また、Rパッケージとして実装されているGRFにはPython版がなく、Pythonを好む機械学習実践者の間での採用が制限されています。本研究は、理論に基づいたハイパーパラメータの決定、ローカルなトレーニングサンプルの拡張、および空間的重み付けされたローカル予測を導入することで、これらの制限に対処します。また、モデルの利用を促進するために、PythonベースのGRFモデルとパッケージPyGRFを開発します。例のデータセットに対するPyGRFの性能を評価し、公衆衛生と自然災害における2つのケーススタディでの使用をさらに示します。