ENMevaluate工具的示例。

简介：
enm_eval提供了一个示例，展示了如何在模型中运用ENMevaluate（库：ENMeval；版本：0.2.0）来预测欧洲多个主要WaSP分布，并调整患病率（通过MaxEnt参数进行修改）。 该脚本于2015年10月6日创建，联系人是Xavier Rotllan-Puig。 脚本的重点在于，通过构建一系列基于不同参数组合的SDM（利用Maxent），来探索那些对模型性能产生影响的因素，例如正则化和特征选择。 ENMeval R库使得评估最佳参数组合成为可能，从而在避免过度拟合的同时优化模型的表现。 为了应对小样本量的数据校正问题，采用了Akaike信息准则，该准则能够反映模型的拟合程度和复杂度，并且与分区方法无关，因为它基于完整的存在数据集进行计算。 最终，Akaike信息准则修正值（AICc）最低的模型——即Delta_AICc值为0的模型——被认为是当前模型集中表现最佳的模型。 显著较大的AUC_diff值表明存在过度拟合现象。 原始数据包含：-presences_91_12_maxent_meters。