Spatially honest validation of machine-learning prospectivity maps for karst bauxite in Kazakhstan
Cette étude démontre que les cartes de prospectivité par apprentissage automatique pour la bauxite karstique au Kazakhstan, qui semblent hautement précises sous validation croisée aléatoire, révèlent des performances significativement plus faibles mais plus réalistes lorsqu'elles sont évaluées via des schémas de validation spatialement honnêtes qui tiennent compte des systèmes minéraux regroupés et des risques d'extrapolation.