Interpretable and predictive models based on high-dimensional data in ecology and evolution
Die Studie vergleicht neun statistische und maschinelle Lernmethoden zur Verarbeitung hochdimensionaler ökologischer und evolutionärer Daten, wobei sie feststellt, dass Überanpassung häufig auftritt und eine genaue Variablenselektion für das Prozessverständnis oft unmöglich ist, obwohl bestimmte sparse-Methoden bei günstigen Datenbedingungen sowohl Vorhersagegenauigkeit als auch Interpretierbarkeit erreichen können.