Modelování vlivu podmínek prostředí na biologická společenstva s využitím metod strojového učení.

Bc. Hana Mlčochová

Master's thesis

Modeling the effect of environmental conditions on biological communities using machine learning methods.

Abstract:

Tato diplomová práce se věnuje využití metod strojového učení při hledání vztahů mezi biologickými společenstvy a podmínkami prostředí, ve kterém tato společenstva žijí. K tomu byla využita data z monitoringu ptačích společenstev liniových porostů jihozápadního Slovenska. S pomocí vybraných metrik byly porovnány modely lineární a logistické regrese s modely náhodného lesa, neuronové sítě, metody podpůrných vektorů a Bayesova klasifikátoru použitými pro modelování počtu druhů, hodnot Shannonova indexu biodiverzity ptačích společenstev a přítomnosti indikačních druhů kosa černého (Turdus merula), sýkory koňadry (Parus major) a bažanta obecného (Phasianus colchicus) na větrolamech jihozápadního Slovenska. Interpretace těchto modelů byla provedena s využitím permutační významnosti proměnných, významnosti proměnných získané pomocí SHAP metody a grafů akumulovaných lokálních efektů. V souladu s literaturou byl nalezen pozitivní vztah diverzity ptačích společenstev se šířkou větrolamu, významné proměnné při modelování přítomnosti indikačních druhů rovněž odpovídaly charakteristikám vybraných ptačích druhů. Tradičně používané modely byly až na jednu výjimku při modelování horší než metody strojového učení, jako nejvhodnější se ukázaly modely neuronové sítě a metody podpůrných vektorů, mírně preferovanější by však mohla být spíše neuronová síť. Práce poukázala také na důležitost vývoje nových nástrojů, které by pomohly s interpretací výsledků, a to zejména u jinak zcela neinterpretovatelných metod strojového učení.

Abstract:

This diploma thesis focuses on the use of machine learning techniques to discover relationships between biological communities and the environmental conditions in which they live. For this, data from the monitoring of bird communities of windbreaks in southwestern Slovakia were used. Various machine learning methods including random forest, artificial neural network, support vector machine and Bayesian classifier were compared with linear and logistic regression models using selected metrics. These methods were used to model bird species richness, Shannon's biodiversity index of bird communities and the presence of three indicator species: common blackbird (Turdus merula), great tit (Parus major) and common pheasant (Phasianus colchicus) in the windbreaks of southwestern Slovakia. The interpretation of these models was performed using permutation feature importance, SHAP feature importance and accumulated local effects plots. Consistent with the literature, a positive relationship between the diversity of the bird community and the width of the windbreak was found, and the most important features in modeling the presence of indicator species were also consistent with species' characteristics. The machine learning methods were found to be, with one exception, more effective than traditionally used models, with artificial neural network and support vector machine models being the most suitable. However, artificial neural network may be slightly preferable. The thesis also pointed out the importance of developing new tools to help with interpretation of results, especially for machine learning methods that are otherwise entirely uninterpretable.

Keywords

Strojové učení, Biologická společenstva, Klasifikace, Regrese, Náhodné lesy, Neuronové sítě, Metoda podpůrných vektorů, Bayesův klasifikátor, Machine Learning, Biological Communities, Classification, Regression, Random Forests, Artificial Neural Networks, Support Vector Machine, Naive Bayes Classifier

Language used: Czech

Date on which the thesis was submitted / produced: 16. 5. 2023

Thesis defence

• Date of defence: 9. 6. 2023
• Supervisor: RNDr. Danka Haruštiaková, Ph.D.
• Reader: RNDr. Jiří Jarkovský, Ph.D.

Masaryk University

Faculty of Science

Master programme / field:
Computational biology and biomedicine / Epidemiology and modeling