Gestione dei banchi di seme di Tapes Philippinarum in Laguna di Venezia: applicazione di un modello di vocazionalità

Molti studi recenti hanno cominciato ad adottare tecniche di Machine Learning (ML) (Prasad, 2006) che hanno dimostrato elevate capacità predittive (Elith et al., 2009).

I metodi di ML si differenziano dagli approcci statistici classici per la possibilità di utilizzare un algoritmo per individuare la relazione tra la variabile di risposta e i predittori, piuttosto che assumere un modello e stimarne i parametri a partire dai dati. La loro applicazione in ambito ecologico è relativamente recente (Elith et al., 2008).

I ML presentano alcuni vantaggi rispetto ai metodi statistici tradizionali (Recknagel, 2001):
− consentono di trattare le relazioni complesse tra predittori che possono sorgere con elevate quantità di dati;
− sono in grado di processare relazioni non lineari tra le variabili predittive
− sono insensibili al rumore (noise) presente nei dati.

Tra i metodi di ML, i modelli più semplici sono gli alberi di decisione (decision tree). Tali modelli sono non parametrici in quanto non richiedono alcuna assunzione a priori sulla distribuzione dei predittori e della variabile da prevedere.

A seconda del tipo di variabile risposta utilizzata per la predizione, gli alberi di decisione possono essere distinti in due classi:
− alberi di classificazione (classification trees): quando la variabile è qualitativa o discreta;
− alberi di regressione (regression trees): quando la variabile è di tipo numerico o continuo.

Anche le variabili indipendenti possono essere di tipo categorico e/o discreto.

L’albero di classificazione/regressione induce una partizione dello spazio dei predittori in cui ad ogni elemento viene associato un particolare valore della variabile dipendente. Tale partizione viene ottenuta mediante un processo ricorsivo che comporta la Suddivisione (splitting) ripetuta dei dati in gruppi, costituiti da sottoinsiemi omogenei rispetto alla variabile risposta. Ad ogni partizione è associata una misura del decremento di eterogeneità calcolato con riferimento ai valori della variabile dipendente contenuti nel training set (i.e. sottoinsieme di dati sperimentali usato per addestrare il modello). [...]