on Februar 8, 2023

Validierung von Regression Kriging

Geografische Informationssysteme

Was ist die Kreuzvalidierung bei Kriging?

Die Kreuzvalidierung wird häufig zum Testen von Kriging-Modellen mit „beweglicher Nachbarschaft“ verwendet; in diesem Fall wird jeder unbekannte Wert aus einer kleinen Anzahl von Umgebungsdaten vorhergesagt. Bei „Unique Neighbourhood“-Kriging-Algorithmen werden für jede Schätzung alle verfügbaren Daten verwendet; daher würde die Kreuzvalidierung viel Rechenzeit in Anspruch nehmen.

Wie wird die Krigingvarianz berechnet?

Kriging – Unverzerrtheit

Z(s) = m + e(s), wobei e(s) ein stationäres Zufallsfeld zweiter Ordnung mit Nullmittelwert, Kovariogrammfunktion C(h) und Variogramm g(h) ist. Auch 2=C(0).

Ist die Regression eine Kriging?

Regression Kriging ist eine räumliche Interpolationstechnik, die eine Regression der abhängigen Variable auf Prädiktoren (d. h. die Umweltkovariaten) mit Kriging der Vorhersageresiduen kombiniert.

Wie unterscheidet sich das Regressions-Kriging vom Universal-Kriging?

Beim Regressions-Kriging wird davon ausgegangen, dass die angepasste Trendfläche das richtige Polynom ist (nicht nur der richtige Grad, sondern auch die richtigen Koeffizienten), während beim Universal-Kriging nur davon ausgegangen wird, dass die Trendfläche den maximalen Grad des Polynoms bestimmt, aber nicht die Koeffizienten der Trendfläche verwendet werden.

Was ist die Validierung in der Geostatistik?

Bei der Validierung wird zunächst ein Teil der Daten entfernt (der so genannte Testdatensatz). Anschließend wird der Rest der Daten (der Trainingsdatensatz) verwendet, um die Trend- und Autokorrelationsmodelle zu entwickeln, die für die Vorhersage verwendet werden sollen. In Geostatistical Analyst erstellen Sie die Test- und Trainingsdatensätze mit dem Werkzeug Subset Features.

Wie erfolgt die Gegenprobe?

Was ist Kreuzvalidierung?

  1. Unterteilen Sie den Datensatz in zwei Teile: einen für das Training, den anderen für Tests.
  2. Trainieren Sie das Modell auf dem Trainingssatz.
  3. Validieren das Modell auf dem Testset.
  4. Wiederholen Sie 1-3 Schritte ein paar Mal. Diese Nummer hängt von der CV-Methode ab, die Sie verwenden.


Wie ist Kriging zu interpretieren?

Kriging kann als ein zweistufiger Prozess verstanden werden: Zunächst wird die räumliche Kovarianzstruktur der abgetasteten Punkte durch Anpassen eines Variogramms bestimmt, und anschließend werden aus dieser Kovarianzstruktur abgeleitete Gewichte verwendet, um Werte für nicht abgetastete Punkte oder Blöcke im gesamten räumlichen Feld zu interpolieren.

Wo liegen die Grenzen des Kriging-Verfahrens?

Beschränkungen der Kriging-Interpolation

Kriging setzt voraus, dass der untersuchte Raum stationär ist, d. h., dass sich die gemeinsame Wahrscheinlichkeitsverteilung im gesamten Untersuchungsraum nicht ändert. Außerdem wird eine Eigenschaft vorausgesetzt, die als Isotropie bezeichnet wird, d. h. dass in jeder Richtung Gleichförmigkeit herrscht.



Ist Kriging genauer als das IDW?

https://youtu.be/oqJN5rTqou8
Zitat aus dem Video:

Was ist Kreuzvalidierung?

Definition. Die Kreuzvalidierung ist eine statistische Methode zur Bewertung und zum Vergleich von Lernalgorithmen, bei der die Daten in zwei Segmente aufgeteilt werden: ein Segment wird zum Lernen oder Trainieren eines Modells verwendet und das andere zur Validierung des Modells.

Wofür ist die Kreuzvalidierung?

Die Kreuzvalidierung wird in erster Linie beim angewandten maschinellen Lernen verwendet, um die Fähigkeiten eines maschinellen Lernmodells bei ungesehenen Daten abzuschätzen. Das heißt, es wird eine begrenzte Stichprobe verwendet, um abzuschätzen, wie das Modell im Allgemeinen abschneiden wird, wenn es verwendet wird, um Vorhersagen für Daten zu treffen, die nicht während des Trainings des Modells verwendet wurden.

Was sind Kreuzvalidierungsverfahren in der Geostatistik?

Die „Kreuzvalidierung“ ermöglicht es uns, geschätzte und wahre Werte anhand der in unserem Stichprobendatensatz verfügbaren Informationen zu vergleichen. Die Stichprobenwerte werden vorübergehend aus dem Stichprobendatensatz verworfen; der Wert wird dann anhand der verbleibenden Stichproben geschätzt. Die Schätzungen werden dann mit den wahren Werten verglichen.