GRASSWEKA
Mariano Somoza nos presenta, desde Argentina, su proyecto GRASSWEKA (www.grassweka.com.ar), un interfaz entre GRASS (ya sabéis, mi programa SIG favorito :) ) y WEKA, una potente caja de herramientas de aprendizaje artificial orientada a la minería de datos programada en Java. GRASSWEKA está programado en shellscript, y diseñado para trabajar en un servidor linux a través de la línea de comandos, con una sintaxis aparentemente muy intuitiva, y en castellano.
El primer ejemplo de aplicación que propone es la realización de modelos de distribución de especies a partir de datos de presencia y variables ambientales, ofreciendo como resultado una superficie binaria de presencia/ausencia potencial, obtenida a partir de distintos algoritmos.
Mariano ha dado una aplicación práctica a los datos que dejé hace ya un par de años por aquí, y le agradezco mucho que gentilmente lo haya mencionado en los agradecimientos de su proyecto.
Espero que en algún momento, si es posible, tengamos la oportunidad de probar el software. Especialmente en el CEAMA, donde estoy seguro de que GRASSWEKA encontraría un sitio dentro de nuestro Repositorio de Modelos.
Un abrazo y mucha suerte, Mariano
Entradas
3 comentarios:
Hola!! Que sorpresa encontrar que el GRASSWEKA fue tan bien recibido!!!. No me lo esperaba! tnx!.
En este momento estoy trabajando en conjunto con unos biologos de la http://www.mdp.edu.ar/ para darle una aplicacion practica en un area de la ciencia que se encarga de reconstruir el pasado. Se busca retrodecir o predecir hacia el pasado algunas variables. Probablemente te cuente mas adelante esos avances.
El proyecto es interesante y me ayuda a arreglar algunos bugs del codigo. Ni bien termine el trabajo publicare el codigo fuente, incluido el codigo del plugin del proyecto, que es un modelo simple, para que quede un ejemplo de como integrar un modelo "externo" al sistema.
Tu blog esta muy bueno y brindas informacion muy interesante, al igual que tus trabajos. Es una fuente de buena inspiracion e ideas!!.
Saludos!!!
Mariano Somoza
Hola Mariano
Tu trabajo es muy interesante, no tienes que dar las gracias!.
Me alegra que tengas en mente publicar el código en algún momento, y estaré a la espera. Si en algún momento necesitas datos para alimentar los modelos, me lo dices sin mayor problema.
Nosotros estamos trabajando con series temporales de temperatura, precipitación y ndvi en el pasado, pero nuestro objetivo es saber como va a funcionar el sistema en el futuro. Así que tenemos líneas similares de trabajo!.
Un abrazo y ánimo con tu proyecto
Blas
Blas,
Hola denuevo!
Te queria hacer una pregunta mas bien teorica, respecto a la implementacion de multiples modelos seleccionados de acuerdo al criterio de "mejor ajuste". Espero poder exponerte bien el punto:
Resulta lo siguiente:
Si utilizo el clasificador A para todo el mapa, me da un mapa A.
Si utilizo el clasificador B para todo el mapa, me da un mapa B.
Si utilizo para una region del mapa el clasificador A y para otra region el clasificador B, me da el mapa C.
El mapa C, es el que mas se parece a la realidad y surge de elegir, segun los datos de entrenamiento, el clasificador que tiene menos error medio absoluto. (Pruebo todos y elijo el mejor).
Esta bien generar un mapa eligiendo el clasificador que convenga? o tengo que elegir un solo clasificador y darle para adelante con ese todo el tiempo? comprobe graficamente y matematicamente que combinando obtengo menos error. El problema es de regresion, variable continua y genero un modelo por cada punto en el mapa. Los mapas son una serie historica en la que se ve como una variable cambia en el tiempo. La variable que cambia (es la que se intentara predecir) se la relaciona con dos variables mas de las que se dispone de mucha mas informacion historica, y se pretende completar el rango historico prediciendo los valores que tendria la variable de las imagenes. Confuso?
Te dejo un abrazo desde Argentina!
Ya habra noticias del grassweka con interfaz web :)
Publicar un comentario en la entrada