ES&T综述 | 环境研究中的机器学习：常见陷阱和最佳实践 -2

文章预览

第一作者：JunJie Zhu 通讯作者：Zhiyong Jason Ren DOI:https://doi.org/10.1021/acs.est.3c00026                                                                                                                           内容速览                 文字摘 要 机器学习（ML）越来越多地被用于环境研究中，以处理大型数据集并解析系统变量之间的复杂关系。然而，由于缺乏熟悉度和方法论严谨性，不充分的ML研究可能导致虚假结论。在本研究中，本文作者综合了文献分析与本文作者自己的经验，并编制了一个类似教程的常见陷阱清单及最佳实践指南，适用于环境领域的机器学习研究。本文作者识别出超过30个关键项，并基于148篇高引用的研究文章提供了证据支持的数据分析，展示了术语的误解、适当的样本量和特征量、数据增强和特征选择、随机性评估 ………………………………