你好， 每个人。
感谢 你 为了 加入 我们。
这 标题 的 我们的 讲话 今天
是 Otterly 令人困惑！ 短-C 法律规定， 毛茸茸的-N 已关闭， 平滑-C 燕麦， 或者 欧亚混血？
只是 问 跳！
这些 四 物种 发生 在 相同的 栖息地 在 亚洲， 在 欧亚大陆，
和 这 问题 是， 如何 做 你 告诉 他们 分开？
使用 我们的 FIT技术， 这 脚印 鉴别 技术
发达 经过 野外追踪，
我们 能 实际上 告诉 他们 分开。
这 推介会 将要 是 经过 四 人们：
弗雷德 基斯特纳， WHO 是 在 这 卡尔斯鲁厄 德国理工学院
和 还 a 成员 的 这 野外足迹 专家 团体;
拉里萨 斯莱尼， WHO 是 a 博士 候选人 在 赫里奥特 瓦 大学，
FIT猎豹 研究 项目
和 还 成员 的 这 野外足迹 专家 团体。
佐伊 朱厄尔 和 我， 我是 天空 阿里巴伊， 学院 在 公爵 大学
和 创始人 的 野外足迹 和 开发人员 的 这 脚印 鉴别 技术
和 还 成员 野外足迹 专家 团体。
我是 去 到 做 a 非常 简短的演示，非常非常简短的介绍，
和 然后 患病的 手 超过 到 我们的 下一个 扬声器。
公寓 从 极端主义者 物种 那 我们 工作 在，
野外足迹 有 一个 广泛的 数字 杰出的 物种 那 我们 工作 在
在不同的地方 的 这 世界， 范围 从 这 阿穆尔河 老虎 在 中国
到 黑色的 犀牛 在 非洲 到 美洲虎 在 巴西。
全部 的 他们 利用 在 一 形式 或其他
是 脚印 鉴别 技术。
现在 什么 做 脚印 鉴别 技术 实际上 做？
一 的 这 事物 关于 足迹识别技术FIT，
是 那 它 作品 作为 一个 插件 在 跳转。
它是 设计 到 分类 物种 或亚种
经过 使用 这 指标 从 这 足迹，
分类 性别， 分类 年龄 班级， 和 甚至 分类 个人。
现在 那些 是 全部 元素 那 是 必需的 到 理解
这 人口 动力学 的 任何 濒危 物种，
这 基本的 基础 元素。
这 保护 应用程序 足迹 鉴别 技术，
这 基线 数据 在 数字 和 分配 在 形成于：
数据- 驱动 科学 保护 策略，
贸易 在 濒危 物种，
人类/ 动物 冲突 减轻，
和 全部 这些 在 a 方式 将要 是 显示
到 代表 这 方式 在 哪个 獭 保护 作品。
现在 患病的 手 你 超过 到 拉里萨 斯莱尼， WHO 将要 开始 这 过程 的 消除困惑。
感谢 你。
正确的。 感谢 你 非常 很多， 天空， 为了 这 伟大的 介绍。
感谢 你 到 跳转， 为了 允许 我们 到 展示 我们的 研究 这里。
是 非常 很高兴 关于 那。
感谢 你 所以 很多 为了 全部 的 你 到 在这里
和 展示 这 兴趣 在 我们的 研究。
现在 前 是 去 到 跳， 甚至 故意的，
进入 解释 我们的 数据 分析 和 跳转，
I 会 喜欢 到 给 你 一些 背景 到 这 研究。
我们 思考 它 是 真的 重要的 到 看 在 这 在 语境
因为 它是 不是 只是 关于 什么 跳转 可以做到，
但 如何 这 是 应用 在 这 现实世界 和 如何 我们 科学家 能 使用 它 到...
它 给出 我们 这 机会 到 制作 变化 为了 这 更好的， 基本上。
我们的 研究 看起来 在 脚印 分析 作为 天空 已经 只是 说。
我们 是 寻找 在 这 足迹 的 亚洲 獭 物种。
现在 这里 你 能 看 四 不同的 亚洲 獭 物种
和 他们是 全部 分类 脆弱 或者批判地- 濒危 经过 这 世界自然保护联盟，
和 这 家 范围 重叠，
就是这样- 称为 同域的 獭 物种。
在 这 顶部 左边， 你 能 看 这 平滑-c 燕麦 獭。
顶部 正确的， 你 能 看 这 亚洲 短的 或者 小的- 有爪的 獭，
底部 左边， 这 毛茸茸- 有鼻子的 獭，
和 在 底部 正确的， 你 能 看 这 欧亚人 獭。
现在， 到 是 有能力的 到 监视器 这 不同物种，
我们 需要 到 收集 数据， 哪个 很难
和 这样的 非常 难以捉摸 物种。
你 几乎没有 曾经 看 他们 在 这 荒野， 但 你 做 看 他们的 脚印。
寻找 在 这些 足迹 为了 每个物种，
什么时候 你 看 在 他们 这里， 他们 看 非常 相似的， 不 他们？
现在， 它是 相当 技巧 到 告诉 他们 分开。
所以， 我们 放 我们 这 任务 到 了解是否
那里 是 a 方式 为了 合身 到 区分 之间 这 足迹
的 这些 四 獭 物种 在 a 科学 和 可靠的 方式。
现在， 我们 做 有 一个 额外 问题 这里， 因为 这 前面的足迹
的 二 的 这 物种 有 a 尺寸 重叠
和 这 后脚印 的 其他 物种
是 形态上 非常相似，
和 还 尺寸- 明智的 相当 相似的 到 这 正面 脚 的 其他 物种。
我们 得到 a 多类别 分类 问题 这里。
现在 这里 你 能 看 a 地图 哪个 显示分布范围
的 这 不同的 獭 物种。
这 蓝色的 区域 这里， 那是 a 欧亚人 獭。
然后 这 红色的 区域 是 光滑的- 涂层 獭。
这 黄色的 向下 这里 是 这 小的- 爪子 呃，
和 然后 这 粉色的 超过 这里 是毛鼻水獭。
但 你 能 看 它， 虽然 它 看起来 喜欢 a 大的 区域，
有 实际上 只是 a 很少 虚线 岛屿 那里。
什么 是 真的 有趣的 关于 这 地图，
它 节目 你 在哪里 他们的 家 范围 重叠。
那里 是 六 区域 在哪里
在 至少 二， 如果 不是 甚至 三 物种重叠。
为了 自然保护者， 它是 真的 重要的 到 寻找 出去
其中 不同的 物种 居住， 到 什么 程度 ,
如何 大的 这 人口 是， 和 寻找 出去 作为 很多 作为 可能的 关于
这 不同的 人口
所以 那 我们 有 a 好的 主意 的 如何 濒危 他们 是。
现在， 为什么 是 水獭保护 重要的？
出色地， 第一的 的 全部， 水獭 是 分类 作为 Keystone 物种，
和 那 方法 那 他们 有 一个 影响 在 他们的 环境
不成比例 到 他们的 丰富。
只是 a 很少 个人 能 有 相当 a 大的 影响。
他们 玩 a 真的 重要的 部分
在 这 食物 链 和 贡献 到 这 环境的 平衡。
他们是 还 见过 作为 伞 物种，
哪个 方法 那 他们 授予 保护 到 a 大的 数字 的 其他 物种。
基本上， 如果 某物 发生 到 这 水獭，
那 将要 有 一个 影响 在 其他 物种 作为 出色地。
他们是 还 一个 指标 物种，
所以 他们 实际上 表明 这 健康 的 他们的 环境。
他们 将要 不是 居住 在 污染水域 或者 在 污染 湿地。
獭 返回 到 一个 区域 是 总是一个好兆头，
因为 那 方法 水质 和 湿地 健康 是 改善。
现在， 威胁 到 水獭。 那里 是 很多 的 不同的 威脅。
污染 是 这 一 我们已经 提及 只是 现在。
但 其他 问题 是 这 人类 野生动物 冲突， 栖息地 损失。
和 那 还 来 损失 的 猎物。
A n 增加 问题，尤其是在亚洲，
是 这 非法的 贸易， 这 非法的 野生动物 贸易。
他们 是 特别 除毛皮外， 这 毛皮 贸易 和 还 后 宠物。
婴儿 水獭 是 采取 出去 的 这 野生并用作宠物，
哪个 是 不是 好的 为了 獭 保护 在 全部。
现在
如何 做 你 方法 a 保护 项目 喜欢 这？
出色地， 第一的 的 全部， 你 需要 到 思考
关于如何 做 你 想 到 监视器 这 人口。
什么 做 你 想 到 看 在？
做 你 想 到 看 在 物种 分配？
是的， 几乎 总是。
做 你 想 到 看 在 个人 ID？
做 你 想 到 寻找 出去 什么 这 性别 比率 之内 a 人口 是？
这 下一个 事物 你 需要 到 决定 是 做 你 想 到 使用 侵入性 方法
那 潜在 压力 或者 甚至 伤害动物？
或者 做 你 想 到 使用 非 侵入性 技术 或者 方法
到 监视器 这 物种 哪个 将要 不是 压力 和 伤害 这 动物？
我们， 在 野外追踪，
我们 重点 在 非侵入性方法 到 监视器 物种。
在 这 特别的 项目，
我们 是 完全地 聚焦 在 脚印 鉴别。
现在， 一次 你 有 制成 那些 决策，
你 需要 到 明显地 火车 人们 帮助你 和 这 数据 收藏
因为 你 不能 是 到处 你不能 去 到处。
期间 次 的 流行病， 它是 甚至 更多的 难的。
所以 你 需要 到 火车 你的 团队 两个都 在- 人 作为 出色地 作为 远程
所以 那 有 到过 a 少量 的 a 挑战。
然后 你 需要 到 得到 全部 这 数据 收藏，
和 这 训练 和 这 数据收集可以在现场进行，
哪个 方法 在 这 场地 或者 前任- situ，意思是在动物园里
和 其他 保护 組織。
一次 你 得到 这 数据 在， 那 是 什么时候 你 开始 这 数据 分析。
在 我们的 案件， 那是 什么时候 我们 开始 使用 跳转。
其他 典型的 问题 为了 任何 保护 项目 是 资金， 的 课程， 和 还
尝试 到 得到 保护 政策完善，
和 管理 策略 为了 保护 到 有 那些 改善。
那是 基本上 我们的 结尾 目标。 我们 是 收集 全部 这 数据。
我们 是 分析 全部 这 数据 以便 在 这 结尾 的 这 天，
我们 可以将这些信息提供给政府
或者 其他 组织 和 他们 能 做出明智的决定
和 制作 更好的 保护 政策。
让 我 只是 去 后退 一 更多的 时间。
在 这 左边 手 边 这里， 实际上，
你 能 看 一 的 我们的 迷人的 动物园管理员 收集 足迹 为了 我们。
在 这 正确的 手 侧面，你可以看到
a 脚印 图像 那 曾是 发送 到 我们 从 这 荒野。
那是 a 神秘 脚印。
我们 是 问 如果 我们 可以 请 寻找 出去
哪个 物种 留下了那个足迹 在后面。
那是 真的 什么 我们 想，
那 研究人员 开始 到 发送 我们的足迹
和 我们 能 帮助 他们 查出 哪个 物种 生命 在 他们的 区域。
弗雷德 将要， 希望 之后 在， 帮助 我们揭露
哪个 物种 这 脚印 属于 到。
现在， 我们已经 问 我们自己 三 研究问题，
和 在 这 片刻 我们 是 仍然 聚焦 在 一。
这 是 一个 正在进行 项目。
A t 这 片刻， 我们 是 聚焦 在 物种 分类。
能 合身， 这 脚印 鉴别 技术，
确认 或者 区分
之间 四 不同的 物种 的 獭 我们 是 寻找 在？
什么时候 我们已经 得到 足够的 数据 和 足够的具体数据，
在哪里 我们 确实 知道 这 个人，
我们 将要 看 在 个人 分类 和 还 在 性别 分类。
但 那是 去 到 是 稍远一点 向下 这 路。
到目前为止，我们已经与 9 家动物园合作， 獭 保护 組織。
我们 到过 训练 他们 到 收集 足迹 下列的 我们的 FIT 协议。
这 有 到过， 再次， 在新冠疫情期间， 相当 具有挑战性的。
我已经 不是 到过 有能力的 到 看 每个人 在 人，
所以 一些 人们 我已经 必须进行远程训练，
但 他们已经 全部 到过 绝对地 太棒了，我们的动物园和动物园管理员，
和 有 真正迎接了这一挑战
和 有 开始 到 真的 发送 在 a 很多 的 图片
作为 你 能 看 这里 在 这 左边。
它是 仍然 全面的 很多 更小 样本 尺寸 比 我们 想 到 有。
作为 I 表示这是一个正在进行的项目，但它
是 足够的 到 给 我们
这 能力 到 现在 到 分享 一些初步结果
所以 我们 能 画 一些 结论。
我们 包括 三 獭 物种 在 这 所以 远的。
我们 仅有的 只是 开始 到 开始 到 得到h 通风- 有鼻子的 獭 印刷。
有 仅有的 一 h 气鼻水獭 无法囚禁 在 这 所有的 宽的 世界。
他的 或者 她， 我是 不是 当然，印刷品才刚刚开始出现，
和 我们 将要 更新 在 a 之后 时间
这 结果 和 这 第四 物种 在 它。
但 为了 现在， 是 去 到 看 在 三 獭 物种。
是的， 所以 I 思考 它是 时间 到 有 a 更近 看 在 如何 我们 做 这 数据 分析
超过 到 弗雷德。
感谢 你， 拉里萨， 和 让我们 跳 直的 进入 行动。
喜欢 天空 提及 之前，
FIT 有 到过 发达 为了 a 宽的 数字 的 物种。
什么时候 它是 完全 发达
或之后 离开 生产， 它是 一个 插件 进入 跳转。
今天， 我是 去 到 证明 一些部分 的 这 数据 分析
和 一些 开发的部分 前 它 来 进入 生产。
什么 I 是 去 到 说 是， 在 一般的， I 只是 通缉 到 给 你
a 小的 少量 的 a 背景 如何做到这一点 发展 是 通常 完毕。
我们的 输入 数据 是 集
和 很少的设备 和 非常 简单的 设备。
那是 一 的 这 主要的 优点 的 合身，
那 它 能 是 广泛应用 和 非常 小的 设备。
你 仅有的 需要 a 手机 和 a 统治者。
如果 你 想 到 发展 合身 模型 为了 肯定 物种，
你 开始 和 一个 图像 数据库 这通常 集
的 已知 个人 作为 拉里萨 提及。
我们 所以 合作 和 动物园 和 其他 野生动物 中心。
这些 图片 是 然后 已处理 在JMP中 到 提炼 几何的 个人资料
那 提炼 a 很多 的 测量， 角度， 距离。
这 数据 能 然后 是 用过的 到 发展 合身 模型。
这 一般的 输出 是 那 你 想 到 看 在 物种， 性别， 个人。
如果 你是 有能力的 到 为个人编辑， 你 想 到 画 结论
关于 人口 尺寸。
一次 你 发展 这 方法，
你 确实 想 到 测试这个 在 未知 个人。
再次， 你 看 在 图片 和 得到 a 预言 的 这 模型。
优势 的 合身 基于 在 生物识别， 它是 非侵入性。
它是 a 标准化 和 成本 有效的 监测行踪不定的野生动物的方法
那 不能 是 监控 经过 直接的 观察。
它 能 是 实施的 为了 几乎 任何物种 那 树叶 a 脚印。
它 能 是 合并 与其他非 侵入性 方法
和 叉- 已验证 模型 一般来说 有 a 高的 准确性。
如何 到 建造 这些 模型 是某事 那 I 会 喜欢 到 演示。
什么 我是 去 到 演示 今天 从技术上看
在 不同的 脚印。
你 看 在 这 顶部 左边， 你 看 a 后脚
的 一个 亚洲 小爪 獭。
在 这 顶部 正确的， 你 看 a 左边 一只光滑水獭的前面，
在 这 底部 左边， a 左边 正面 的 a 欧亚人 獭，
和 在 这 正确的 手 边， 你 看 a 右脚足迹
从 一个 未知 獭 从 尼泊尔。
什么 我们 是 去 到 做 今天 是 我们 过程 这些 图像。
然后 我是 去 到 展示 你 如何 到 快速发展
a 分类 模型 之内 跳转。
然后 患病的 看 什么 这 预测
的 这些 迅速地 发展 方法 是 去 到 是。
它 全部 开始
和 图像 分析。
那是 基于脚本 执行 之内 合身。
在 这 第一的 步， 你 通常 调整 这 尺寸 的 一个 图像
所以 那 这 脚印 是 清楚地 可见的 和 这 主宰 部分 的 这 场地。
在 命令 到 是 可复制，
它是 重要的 那 足迹 是 对齐 下列的 定义 旋转 點。
为了 水獭， 这些 是 旋转 点 以下 这 第二 和 这 第四 关闭。
然后 你 放 a 定义 放 的 地标 點。
再次， 为了 水獭， 这 是 物种- 具体的。
但 为了 其他的， 我已经 选择 11 地标。
他们是 在 这 中心。
对不起， 忘记了 一 步。
的 课程， 你 需要 到 定义 a 规模 第一的。
这里 我们 得到 10厘米。 这 是 在这里。
你 能 添加 一些 额外的 信息。
只是 到 保持 它 简单的， I 将要 姓名 日 是罢工 亚洲 短爪 獭。
然后 你 放 11 地标 點。
你 可以， 为了 实例， 使用 成本 空气 功能
如果 你 想 到 制作 这 作为 精确的 显然，
但 为了 时间 原因， 患病的 只是 迅速地 跑步 通过 他们。
后 环境 11 地标， 你 派生 额外的 点，
正在帮助 点 那 是 还 用过的
到 提炼 生物识别 信息。
一次 你已经 完毕 那，
你会 只是 开始 a 新的 桌子 和 你 去 为了 a 笔 画。
患病的 只是 迅速地 跑步 通过 三 更多的 图像。
再次， 你 需要 到 调整大小 他们。
现在， 和 这 图像， 你 能 看 它是 上行 向下。
什么 I 喜欢 关于 跳转 是 那
这 图像 窗户 能 实际上 做 一些 图像 预 加工。
现在， 它是 正确的 正面。 对不起， I 需要 到 翻动 这 一 更多的 时间。
能 做 一些 图像 加工 之内 跳转 和 所以 你 不 有 到 改变
在 软件之间。
那是 某物 那 I 真的 喜欢 那 I 能 做 全部 我的 工作
之内 一 软件 其他 比切换 在 之间 一些 软件。
再次， I 说 11 地标 點。
这 时间， 患病的 只是 去 超过 他们 快速而肮脏，
和 希望 那 这 预言 将要 是 准确的 足够的
那是 a 欧亚水獭。
再次， I 去 附加
只是 二 更多的 次， 一 为了 这 光滑涂层 獭。
再次， I 将要 放 这 11 地标，
和 什么 这 地标 是 用过的 为了， 患病的 展示 你 在 a 第二。
派生 点，附加行。
一 最后的 时间， 这 神秘 拉里萨提到的足迹
那 曾是 发送 到 我们 从 a 项目 在 尼泊尔,
那 是， 到 我的 知识， 正在做 一些 獭 监控 那里。
一 的 这 物种 有 没被看到 为了 在 至少 三十 年。
1、2、3、4、5、6 .
什么是 不同的 在 这里 是那个 你 有 a 不同的 规模。
那 规模 因素 是 某物 那 I 需要 到 调整 之内 这里。
再次， 患病的 迅速地 点击 通过 这 图像。
这 是 通常情况下 完毕 a 小的 少量 更加繁琐，
但 为了 演示 清酒， 我会尽力 点击 通过 他们 迅速地。
和 这 是 一个 未知
物种。
什么 你 结尾 向上 和 这是 这 光滑涂层。
什么 你 结尾 向上 是
a 大的 数据 桌子 .
这些 是 点 为了
评估 这 质量 的 这 地标， 哪个 I 做过 不是 去 进入 之内 这里。
你 得到 X 和 Y 坐标 为了 每个 地标。
这些 X 和 Y 坐标 是 衍生的
到 计算 a 大的 数字 的 测量。
有 更多的 比 100 距离 衍生的， 一些 角度 和 一些 区域。
有 相当 a 很多 的 信息 提取 出去 的 a 单身的 脚印。
如果 你 重复 这 步 那 我已经 刚刚放映过几次，
你会 结尾 向上 和 a 数据 桌子 喜欢 这。
这 是 这 数据 桌子 那 我要去 到 演示 这 预言 模型 在。
如果 你 有 a 看 什么 我们 有 这里，
如果 你 看 在 这 分布 或物种 或者 目标 多变的，
你 看 那 I 有 405 已处理 图片 的 欧亚人 水獭，
278 亚洲 短爪 水獭， 和 127 光滑涂层 水獭。
它是 不是 完美 同样- 分布式群组，
但 在 至少 每个 团体 有 相当可观的样本量，
哪个 将要 希望 工作 为了 造型。
每当 你 想 到 做 任何种类的 监督 造型，
它是 a 好的 主意 到 分裂 您的数据 进入 训练 和 测试 数据。
这 能 是 非常 容易地 完毕 在 跳转。
你 有 到 制作 验证 柱子 之内 这 预测 造型 平台。
什么 我已经 完毕 是 I 随机 将我的数据分成 80% 的训练数据
和 20% 测试 数据，
我将在哪里测试 这 模型 那 是 去 到 建造 在
和 看 如何 他们 履行。
全部 正确的， 所以 我已经 之前 完毕 这。
什么 患病的 做 现在 是 患病的 只是 选择我的训练数据，
哪个 是 648 行，
和 I 将要 只是 有 a 看 进入 a 数据 看法。
这 是 648 观察结果。
患病的 迅速地 节省 这 作为 我的 训练 放。
再次， 如果 你 有 a 看 在 分布，
你 可以 看 那 我们 有，
100 光滑涂层 獭 印刷， 324 欧亚人 獭 印刷， 和 223 ASC。
它是 这 相同的 分配 百分比 作为 和 这 以前的 数据 放。
在 这 下一个 步，
I 将要 跳过 出去 a 大的 部分 当它 来 到 预测 造型，
那 是 a 多变的 选择。
I 认为 那 I 有 不 事先的 知识， 所以 只是 添加到 全部 变量
那 是 可用的。
I 有 不 主意 哪个 模型 是 去 到 工作 最好的。
什么 我是 去 到 做 这里 是 患病的 使用模型筛选平台
那 比较 一些 不同的 机器 学习 模型
那 是 实施的 在 跳转 并进行比较 步 表现 在 这
具体的 任务。
再次， 我的 目标 多变的 是 这 物种。
这 是 这 一 那 I 会 喜欢 到 预测。
在 全部的， I 有 209 次测量
提取 从 我的 足迹数据 和 这些 是 我的 X 变量。
这些 是 全部 因素 那 能 潜在 是 用过的。
什么 你 看 向下 这里 是 你 能 选择 这 方法 那 你 想跑
和 你 能 基本上 选择 通过 全部 这 预言 方法。
但 为了 论点 清酒 和 为了 运行时，
患病的 仅有的 跑步 方法 那 I 知道 那 将要 跑步 通过 迅速地。
你 能 再次 制作 它 可重复 经过 环境 a 随机的 种子。
什么是 还 好的 关于 a 模型筛选平台
是 你 能 添加 一个 内部的 验证 步。
我们 已经 分裂 我们的 数据 进入 训练 和 测试 放。
但 在 命令 到 有 一个 内部验证 在 这些 模型
那 我是 将会发展，
患病的 添加 k倍 交叉验证。
患病的 只是 放 a 打钩 在 这里 所以 那 那里 是 一些 模型
被评估 使用 k 折 交叉验证 方法。
好的， 如果 I 只是 点击 迅速地， 去 在 跑步。
患病的 有 a 概括 前景。
患病的 看 那 四 的 我的 模型
有 到过 評估。
你会 得到 空中广场，
你会 得到 这几种模型的性能指标，
和 你 能 只是 说 哪个 一 是 这 最好的。
你 只是 选择 这 主导的 一。
你 能 看 进入 这 训练 或进入测试集
哪个 将要 还 给 你 a 错误分类 速度。
你 能 看 那 错误分类 速度 为了 引导森林 曾是 相当 感人的。
它是 几乎 95% 的 这 数据 被正确分类
在 这 验证 放。
为了 论点 清酒， 让我们 说， 那 这 Bootstrap 森林，
这 决策树， 和 这 判别分析
是 这 三 最好的 模型 和 我是 不是 当然 哪个 一 是 这 最好的。
I 能 只是 跑步 那些 三 模型 已选择。
他们会 流行音乐 向上 在 他们的 各自 平台。
什么 I 能 做 是 患病的 只是
节省 这 预言 公式 进入 我的 公式仓库。
患病的 做 这 为了 这 决策树模型， 所以 I 能 关闭 这。
患病的 做 这
为了 这 判别分析，在这里完成。
最后的 但 不是 至少， I 能 做这个 为了 这 引导森林 模型
这里。
什么 I 有 现在 是...
某人 I 能 关闭， 我是 对不起。
I 有 三 模型 在 我的 公式仓库。
I 现在 想 到 评价 如何 这些 模型 履行 在 新的 数据。
再次， I 去 进入 我的 初始数据表
和 I 选择 我的 测试 放，
所以 全部 这 变量 那 有 随机选择
作为 a 验证 放。
患病的 只是 迅速地 节省 这 作为 测试 放。
在 这 下一个 步， I 能 技术上
打开 我的 公式仓库 和 I 能 跑步 所有这些 模型 在 这 新的 数据 桌子。
I 将要 跑步 他们 在 这 测试 放。
I 想 到 跑步 全部 三 的 这 模型。
I 能 做 a 模型 比较
我运行所有 这 三 模型 在 这 测试 放。
那是 实际上 什么 I 通缉 到 展示。
你会 看 向下 这里， I 希望 你 能 看 这。
尝试 到 飞涨 在 a 小的 少量 那
这 错误分类 费率 这些模型 是 实际上 相当 低的。
测试集 是 新的 数据 那 有 不是 在模特身上见过
和 那里 曾是 a 错误分类 速度
为了 这 决策树 模型 的 16%， 尽管 这 判别分析
和 这 引导森林
仅有的 有 a 错误分类 速度 的 12%。
你 有 这 最高 空气 正方形 价值 为了 这 Bootstrap 森林，
和 那里 是 一些 其他 指标 那 你 想 到 看 在。
为了 我们， 这 最多 重要的 公制 是 这 预言， 正确的 或者 错误的。
I 通常 看 a 很多 在 这 错误分类 速度。
但 明显地， 全部 这 其他 指标
可以使用 到 评价 和 产生 好的 模型。
最后的 但 不是 至少，
我们 想 到 有 a 看 的 如何 这些 模型
实际上 履行 在 这 足迹 那 是 只是 之前 已處理。
再次， 我们 去 后退 进入 我们的...现在，它在哪里？
在 我们的 公式仓库 和 出色地 跑步 这
在 四 图片 那 我们 之前
已處理。
如果 我们 打开 这 数据 桌子，
你 能 有 a 看 在 这 预言。
什么 我们 能 看 这里。 我会做 它 a 小的 少量 更多的 明显地。
所以 这 曾是
这 原来的 数据，
和 如果 I 只是 看 进入 这 物种 为了 这 第一的 模型，
一切 曾是 预测 正确。
这 第一的 模型 曾是 这 决策树 那 预测 ASC 为了 ASC，
欧亚人 水獭 欧亚人 獭， 光滑涂层 为了 光滑涂层，
和 相同的 和 这 判别分析 和 相同的 和 这 引导 森林。
全部三个 模型 实际上 预测 合适的物种 到 这 图片
我们已经处理了， 和 全部 模型 是 还 持续的
关于 他们的 预言 什么时候 它 来 到 这 欧亚人 獭。
我是 正在做 我的 博士 主要 在 这 欧亚人 獭 物种。
这 曾是 还 某物 那 I 会 有 猜测 作为 一个 专家
在 这 特别的 物种 脚印。
所以 它是 相当 持续的 和 它 作品 真的 出色地。
明显地， 你 能 添加 更多的 步骤 你可以 美好的 调
你的 分类 评价更多 如果 你 看 更多的 进入 特征 选择。
但 I 思考 什么 I 通缉 到 展示 你 和 这 演示 是 如何 容易地 a 问题
什么 物种 它 是 能 是 回答 使用 跳转。
I 希望 这 曾是 相当 直觉的。
让 我 画 一些 结论 在 那， 一些 结果。
什么 I 真的 喜欢 关于 跳转 是 a 伟大的 全部- 在- 一 解决方案。
I 能 提炼 生物识别 数据 从 图片 之内 这 合身 插件。
I 不 有 到 转变 软件 到 做 这 数据 分析。
直接地， 我的 提取 生物识别 数据 能 是 分析了。
和 不是 仅有的 分析 在 a 描述性的 方式，
I 能 建造 分类 模型。
有 状态- 的- 这 艺术 机器 学习 模型 实施的 进入 那，
和 所以 它是 a 一- 和- 全部 解决方案。
有 明显地 其他 方法 到 也这样做，
但 I 只是 喜欢 这 实用性。
为了 我们的 特别的 研究 问题，
所以 我们的 獭 物种 具体的 分类 模型 在 这 阶段，
如何 很多 数据 我们 有， 他们 有 执行 非常 出色地。
他们是 有能力的 到 保护 这 物种
的 单身的 未知 獭 足迹 和 高的 分类 速度。
为了 实例， 这里
神经 网， 哪个 I 做过 不是 跑步 在 这 例子
因为 这 运行时 是 a 再长一点，
有 a 错误分类 速度 的 仅有的 10% 在 这 相同的 测试 放。
它 可以 甚至 增加 这 分类 准确性 的 其他 百分之二。
如果 你 潜水 在 更深， 你 能 甚至 增加 这 a 小的 少量 更多的。
一 事物 那 我们的 经验 从 在职的 和 足迹 在 这 场地
增加 这 分类准确率 经过 相当 a 很多
而是 比 在职的 只有一个脚印
是 到 工作 和 踪迹。
一个 动物， 取决于 在 在哪里 你 是， 取决于 在 这 基质，
没有 仅有的 离开 a 单身的 脚印。
没有 去 也 很多 进入 细节， a 脚印 能 是 a 相当 复杂的 事情
因为 它 变量 a 很多 和 这 基材 那 一个 动物
正在移动 通过 和 这 速度 的 一个 动物 和 这 门。
那里 能 是 相当 a 少量 的 噪音 和 背景 变化。
如果你 工作 和 多种的 足迹 和 拿 一个 平均的 的 a 预言
反而 的 单身的 足迹，
你 能 地址 这 变化 相当 a 少量 更多的。
这 来 尤其 重要的 什么时候 你 想 到 看 在 个人 鉴别。
最后的 但 不是 至少，
跳转 是 还 伟大的 到 获得 见解 在 这 重要性 的 变量。
有 一些 方法 之内 跳转
那 你 能 看 进入 哪个 是 实际上变量
那 是 贡献 这 最多 到 预测。
你 能 任何一个 看 在 树- 基于 方法，
在哪里 你 看 在 这 分类树 和 在哪里 这 分裂 是 完毕。
你 能 看 进入 柱子 贡献 再次 为了 树- 基于 方法，
如果 你 工作 和 引导F 奥瑞斯忒斯， 或者 XGBoost， 或者 某物 喜欢 那。
你 能 看 哪个 列 实际上是在选择 如何 许多 次。
你 可以 看 进入 这 预言 分析器
如果 你 使用 这 普通的 造型 平台 之内 跳转。
你 能 技术上 有 a 看 什么 预言 的 你的 模型，
如何 它是 去 到 改变 如果你 改变 肯定 值。
或者 你 能 做 某物 喜欢 a 判别分析，
在哪里 你 只是 跟随
这 F 比率 的 如何 变量 是 已选定。
这 将要 然后， 再次， 给 你 a 很多见解
因为 它 真的 取决于 在 你的 问题。
做 你 想 到 有 a 外部顾问的预测
的 什么 物种 你是 寻找 在？
或者 做 你 想 到 给 a 实地工作指南
的 哪个 测量 是 值得 寻找 进入
什么时候 你是 进入 场地，
什么时候 你 想 到 制作 这 根据主题进行分类，
喜欢 只是 在 专家 知识？
是的， 所以 那是 基本上 它 从 我的 边。
I 会 喜欢 到 感谢 全部 这 贡献 动物园 和 野生动物 公园 WHO 允许 我们
到 工作 和 他们的 美丽的动物 和 分享 数据 和 我们。
尤其， I 会 喜欢 到 感谢 优雅 约克森 从 这 IOSF，
这 獭 生存 公司 WHO 得到 我们 进入 接触 和 许多 的 他们，
KHYS， 我们的 卡尔斯鲁厄之家 年轻的 科学家
WHO 实际上资助了这项研究，
和 最多 重要的是， 约瑟夫 摩根 从 跳转，
谁非常 有帮助的 当谈到 造型 和 合身。
然后 他 有 到过 给予 我 建议
更多的 比 一次 什么时候 I 得到 任何 JSL 脚本 问题。
是的， 那是 漂亮的 很多 它 从 我的 边。
感谢 你 非常 很多 为了 倾听 所以 远的， 每个人。
I 只是 真的 想 到 圆形的 向上 这里。
I 认为 天空， 和 拉里萨， 和 弗雷德 勾勒出美丽的轮廓
这 挑战 我们面临 在 识别 这些 不同种类的水獭
大约 这 世界 和 这 方式 在 哪个 跳转 能 帮助 我们
分类 他们 和 带来 一些清晰度 到 这 图片。
在哪里 是 他们 和 如何 许多 是 那里？
ID 喜欢 到 只是 迅速地 讲话 关于 什么是 下一个。
如何 是 我们 建筑 在 这？
一 的 这 事物 是 正在做 是 建筑
人造的 智力 进入 这 图片 所以 那 它 将要 允许 我们 到
筛选 和 种类 a 很多 更大 体积 的 数据 作为 它 来 在。
作为 两个都 弗雷德 和 拉里萨 有 说， 我们 需要 更多的 数据。
人造的 智力 有 这 潜在的，
哪个 我们已经 已经 裸露 在一些早期 训练
和 测试 和 场地 数据
作为 你 能 看 在 这 底部 的 此屏幕。
是 得到 合理地 准确性高 在 我们的 最初的 试验 和 人工智能。
我们 思考 那 它 将要 绝不 给 我们 相当 这 解决 那 跳转 将要 给 我们。
什么 是 瞄准 到 做 是 有 一个 人工智能平台
哪个 将要 是 简单的 为了 公民科学家 到 喂养 数据 进入。
出色地 有 跳转 作为 这 顶级分类器 在 那 平台 经过 整合 它。
但 这 钥匙 这里 真的 是 那 这个神秘的地面证据
左边 在后面 经过 水獭 和 全部 这 其他 物种
有没有 为了 我们 到 解码 如果我们 能 寻找 a 方式 到 做 它。
它 真的 是 变革性的 在 保护
到 是 有能力的 到 有 a 廉价而快速的技术
到 知道 在哪里 这些 濒危 物种 是。
是 非常 乐观的 使用 基线 人工智能 分类器
使用 JMP 作为 a 最终的 分类器， 出色地 是 有能力的 到 制作 那 技术
不仅 递送 这 数据 我们 需要， 但 整合 人们 全部 世界各地
作为 公民 科学家 到 是 部分 的 那。
是 真的 感激的 到 这 JMP 社区 为了 支持 我们
通过 这 所有的 旅行。
是 不断地 制作 新的 大步前进。
我们 知道 那 有 兴趣 在 这个社区，
和 我们 希望 那 他们 将要 加入我们
什么时候 我们的 新的 移动的 应用程序 来 出去 到 甚至 开始 收集 数据 他们自己
和 推动 这 向前 到我们想要的地方 是，
哪个 是 a 分类器
为了 全部 濒危 物种 全部 超过 这 世界。
这是 到 很多 和 很多 的 点 在 这 地图，
和 感谢 你 全部 为了 聆听。
