你好， 每個人。
感謝 你 為了 加入 我們。
這 標題 的 我們的 演講 今天
是 Otterly 令人困惑！ 短-C 法律規定， 毛茸茸-N 已關閉， 平滑-C 燕麥， 或者 歐亞混血？
只是 問 跳！
這些 四 種 發生 在 相同的 棲息地 在 亞洲， 在 歐亞大陸，
和 這 問題 是， 如何 做 你 告訴 他們 分開？
使用 我們的 FIT技術， 這 腳印 鑑別 科技
發達 經過 野外追踪，
我們 能 實際上 告訴 他們 分開。
這 推介會 將要 是 經過 四 人們：
弗雷德 基斯特納， 世界衛生組織 是 在 這 卡爾斯魯厄 德國理工學院
和 也 a 成員 的 這 野外足跡 專家 團體;
拉里薩 斯萊尼， 世界衛生組織 是 a 博士 候選人 在 赫里奧特 瓦 大學，
FIT獵豹 研究 專案
和 也 成員 的 這 野外足跡 專家 團體。
佐伊 朱厄爾 和 我， 我是 天空 阿里巴伊， 學院 在 公爵 大學
和 創辦人 的 野外足跡 和 開發者 的 這 腳印 鑑別 科技
和 也 成員 野外足跡 專家 團體。
我是 去 到 做 a 非常 簡短的演示，非常非常簡短的介紹，
和 然後 患病的 手 超過 到 我們的 下一個 揚聲器。
公寓 從 極端主義者 種 那 我們 工作 在，
野外足跡 有 一個 廣泛的 數位 傑出的 種 那 我們 工作 在
在不同的地方 的 這 世界， 範圍 從 這 阿穆爾河 老虎 在 中國
到 黑色的 犀牛 在 非洲 到 美洲虎 在 巴西。
全部 的 他們 利用 在 一 形式 或其他
是 腳印 鑑別 技術。
現在 什麼 做 腳印 鑑別 科技 實際上 做？
一 的 這 事物 關於 足跡識別技術FIT，
是 那 它 作品 作為 一個 外掛 在 跳轉。
它是 設計 到 分類 種 或亞種
經過 使用 這 指標 從 這 足跡，
分類 性別， 分類 年齡 班級， 和 甚至 分類 個人。
現在 那些 是 全部 元素 那 是 必需的 到 理解
這 人口 動力學 的 任何 瀕危 物種，
這 基本的 基礎 元素。
這 保護 應用程式 足跡 鑑別 技術，
這 基線 數據 在 數位 和 分配 在 形成於：
數據- 驅動 科學 保護 策略，
貿易 在 瀕危 物種，
人類/ 動物 衝突 減輕，
和 全部 這些 在 a 方式 將要 是 顯示
到 代表 這 方式 在 哪個 獺 保護 作品。
現在 患病的 手 你 超過 到 拉里薩 斯萊尼， 世界衛生組織 將要 開始 這 過程 的 消除困惑。
感謝 你。
正確的。 感謝 你 非常 很多， 天空， 為了 這 偉大的 介紹。
感謝 你 到 跳轉， 為了 允許 我們 到 展示 我們的 研究 這裡。
是 非常 很高興 關於 那。
感謝 你 所以 很多 為了 全部 的 你 到 在這裡
和 展示 這 興趣 在 我們的 研究。
現在 前 是 去 到 跳， 甚至 故意的，
進入 解釋 我們的 數據 分析 和 跳轉，
I 會 喜歡 到 給 你 一些 背景 到 這 研究。
我們 思考 它 是 真的 重要的 到 看 在 這 在 情境
因為 它是 不是 只是 關於 什麼 跳轉 可以做到，
但 如何 這 是 應用 在 這 現實世界 和 如何 我們 科學家 能 使用 它 到...
它 給出 我們 這 機會 到 製作 變化 為了 這 更好的， 基本上。
我們的 研究 看起來 在 腳印 分析 作為 天空 已經 只是 說。
我們 是 尋找 在 這 足跡 的 亞洲 獺 物種。
現在 這裡 你 能 看 四 不同的 亞洲 獺 種
和 他們是 全部 分類 脆弱 或者批判地—— 瀕危 經過 這 世界自然保護聯盟，
和 這 家 範圍 重疊，
就是這樣- 稱為 同域的 獺 物種。
在 這 頂部 左邊， 你 能 看 這 平滑-c 燕麥 獺。
頂部 正確的， 你 能 看 這 亞洲 短的 或者 小的- 有爪的 獺，
底部 左邊， 這 毛茸茸- 有鼻子的 獺，
和 在 底部 正確的， 你 能 看 這 歐亞人 獺。
現在， 到 是 有能力的 到 監視器 這 不同物種，
我們 需要 到 收集 數據， 哪個 很難
和 這樣的 非常 難以捉摸 物種。
你 幾乎沒有 曾經 看 他們 在 這 荒野， 但 你 做 看 他們的 腳印。
尋找 在 這些 足跡 為了 每個物種，
什麼時候 你 看 在 他們 這裡， 他們 看 非常 相似的， 不 他們？
現在， 它是 相當 技巧 到 告訴 他們 分開。
所以， 我們 放 我們 這 任務 到 了解是否
那裡 是 a 方式 為了 合身 到 區分 之間 這 足跡
的 這些 四 獺 種 在 a 科學 和 可靠的 方式。
現在， 我們 做 有 一個 額外 問題 這裡， 因為 這 前面的足跡
的 二 的 這 種 有 a 尺寸 重疊
和 這 後腳印 的 其他 種
是 形態上 非常相似，
和 也 尺寸- 明智的 相當 相似的 到 這 正面 腳 的 其他 物種。
我們 得到 a 多類別 分類 問題 這裡。
現在 這裡 你 能 看 a 地圖 哪個 顯示分佈範圍
的 這 不同的 獺 物種。
這 藍色的 區域 這裡， 那是 a 歐亞人 獺。
然後 這 紅色的 區域 是 光滑的- 塗層 獺。
這 黃色的 向下 這裡 是 這 小的- 爪子 呃，
和 然後 這 粉紅色的 超過 這裡 是毛鼻水獺。
但 你 能 看 它， 雖然 它 看起來 喜歡 a 大的 區域，
有 實際上 只是 a 很少 虛線 島嶼 那裡。
什麼 是 真的 有趣的 關於 這 地圖，
它 節目 你 在哪裡 他們的 家 範圍 重疊。
那裡 是 六 區域 在哪裡
在 至少 二， 如果 不是 甚至 三 物種重疊。
為了 自然保護者， 它是 真的 重要的 到 尋找 出去
其中 不同的 種 居住， 到 什麼 程度 ,
如何 大的 這 人口 是， 和 尋找 出去 作為 很多 作為 可能的 關於
這 不同的 人口
所以 那 我們 有 a 好的 主意 的 如何 瀕危 他們 是。
現在， 為什麼 是 水獺保護 重要的？
出色地， 第一的 的 全部， 水獺 是 分類 作為 Keystone 物種，
和 那 方法 那 他們 有 一個 影響 在 他們的 環境
不成比例 到 他們的 豐富。
只是 a 很少 個人 能 有 相當 a 大的 影響。
他們 玩 a 真的 重要的 部分
在 這 食物 鏈 和 貢獻 到 這 環境的 平衡。
他們是 也 見過 作為 傘 物種，
哪個 方法 那 他們 授予 保護 到 a 大的 數位 的 其他 物種。
基本上， 如果 某物 發生 到 這 水獺，
那 將要 有 一個 影響 在 其他 種 作為 出色地。
他們是 也 一個 指標 物種，
所以 他們 實際上 表明 這 健康 的 他們的 環境。
他們 將要 不是 居住 在 污染水域 或者 在 污染 濕地。
獺 返回 到 一個 區域 是 總是一個好兆頭，
因為 那 方法 水質 和 濕地 健康 是 改善。
現在， 威脅 到 水獺。 那裡 是 很多 的 不同的 威脅。
污染 是 這 一 我們已經 提及 只是 現在。
但 其他 問題 是 這 人類 野生動物 衝突， 棲息地 損失。
和 那 也 來 損失 的 獵物。
A n 增加 問題，尤其是在亞洲，
是 這 非法的 貿易， 這 非法的 野生動物 貿易。
他們 是 特別 除毛皮外， 這 皮草 貿易 和 也 後 寵物。
嬰兒 水獺 是 採取 出去 的 這 野生並用作寵物，
哪個 是 不是 好的 為了 獺 保護 在 全部。
現在
如何 做 你 方法 a 保護 專案 喜歡 這？
出色地， 第一的 的 全部， 你 需要 到 思考
關於如何 做 你 想 到 監視器 這 人口。
什麼 做 你 想 到 看 在？
做 你 想 到 看 在 種 分配？
是的， 幾乎 總是。
做 你 想 到 看 在 個人 ID？
做 你 想 到 尋找 出去 什麼 這 性別 比率 之內 a 人口 是？
這 下一個 事物 你 需要 到 決定 是 做 你 想 到 使用 侵入性 方法
那 潛在 壓力 或者 甚至 傷害動物？
或者 做 你 想 到 使用 非 侵入性 科技 或者 方法
到 監視器 這 種 哪個 將要 不是 壓力 和 傷害 這 動物？
我們， 在 野外追踪，
我們 重點 在 非侵入性方法 到 監視器 物種。
在 這 特別的 專案,
我們 是 完全地 聚焦 在 腳印 鑑別。
現在， 一次 你 有 製成 那些 決策，
你 需要 到 明顯地 火車 人們 幫助你 和 這 數據 收藏
因為 你 不能 是 到處 你不能 去 到處。
期間 次 的 流行病， 它是 甚至 更多的 難的。
所以 你 需要 到 火車 你的 團隊 兩個都 在- 人 作為 出色地 作為 遠端
所以 那 有 到過 a 位元 的 a 挑戰。
然後 你 需要 到 得到 全部 這 數據 收藏，
和 這 訓練 和 這 數據收集可以在現場進行，
哪個 方法 在 這 場地 或者 前任- situ，意思是在動物園裡
和 其他 保護 組織。
一次 你 得到 這 數據 在， 那 是 什麼時候 你 開始 這 數據 分析。
在 我們的 案件， 那是 什麼時候 我們 開始 使用 跳轉。
其他 典型的 問題 為了 任何 保護 專案 是 資金， 的 課程， 和 也
嘗試 到 得到 保護 政策完善，
和 管理 策略 為了 保護 到 有 那些 改善。
那是 基本上 我們的 結尾 目標。 我們 是 收集 全部 這 數據。
我們 是 分析 全部 這 數據 以便 在 這 結尾 的 這 天，
我們 可以將這些資訊提供給政府
或者 其他 組織 和 他們 能 做出明智的決定
和 製作 更好的 保護 政策。
讓 我 只是 去 後退 一 更多的 時間。
在 這 左邊 手 邊 這裡， 實際上，
你 能 看 一 的 我們的 迷人的 動物園管理員 收集 足跡 為了 我們。
在 這 正確的 手 側面，你可以看到
a 腳印 影像 那 曾是 傳送 到 我們 從 這 荒野。
那是 a 神秘 腳印。
我們 是 問 如果 我們 可以 請 尋找 出去
哪個 種 留下了那個足跡 在後面。
那是 真的 什麼 我們 想，
那 研究者 開始 到 傳送 我們的足跡
和 我們 能 幫助 他們 查出 哪個 種 生命 在 他們的 區域。
弗雷德 將要， 希望 之後 在， 幫助 我們揭露
哪個 種 這 腳印 屬於 到。
現在， 我們已經 問 我們自己 三 研究問題，
和 在 這 片刻 我們 是 仍然 聚焦 在 一。
這 是 一個 正在進行 專案.
A t 這 片刻， 我們 是 聚焦 在 種 分類。
能 合身， 這 腳印 鑑別 技術，
確認 或者 區分
之間 四 不同的 種 的 獺 我們 是 尋找 在？
什麼時候 我們已經 得到 足夠的 數據 和 足夠的具體數據，
在哪裡 我們 確實 知道 這 個人，
我們 將要 看 在 個人 分類 和 也 在 性別 分類。
但 那是 去 到 是 稍遠一點 向下 這 路。
到目前為止，我們已經與 9 家動物園合作， 獺 保護 組織。
我們 到過 訓練 他們 到 收集 足跡 下列的 我們的 FIT 協定.
這 有 到過， 再次， 在新冠疫情期間， 相當 具有挑戰性的。
我已經 不是 到過 有能力的 到 看 每個人 在 人，
所以 一些 人們 我已經 必須進行遠程訓練，
但 他們已經 全部 到過 絕對地 太棒了，我們的動物園和動物園管理員，
和 有 真正迎接了這項挑戰
和 有 開始 到 真的 傳送 在 a 很多 的 圖片
作為 你 能 看 這裡 在 這 左邊。
它是 仍然 全面的 很多 更小 樣本 尺寸 比 我們 想 到 有。
作為 I 表示這是一個正在進行的項目，但它
是 足夠的 到 給 我們
這 能力 到 現在 到 分享 一些初步結果
所以 我們 能 畫 一些 結論。
我們 包括 三 獺 種 在 這 所以 遠的。
我們 僅有的 只是 開始 到 開始 到 得到h 通風- 有鼻子的 獺 印刷。
有 僅有的 一 h 氣鼻涕獺 無法囚禁 在 這 所有的 寬的 世界。
他的 或者 她， 我是 不是 當然，印刷品才剛開始出現，
和 我們 將要 更新 在 a 之後 時間
這 結果 和 這 第四 種 在 它。
但 為了 現在， 是 去 到 看 在 三 獺 物種。
是的， 所以 I 思考 它是 時間 到 有 a 更近 看 在 如何 我們 做 這 數據 分析
超過 到 弗雷德。
感謝 你， 拉里薩， 和 讓我們 跳 直的 進入 行動。
喜歡 天空 提及 之前，
FIT 有 到過 發達 為了 a 寬的 數位 的 物種。
什麼時候 它是 完全 發達
或之後 離開 生產， 它是 一個 外掛 進入 跳轉。
今天， 我是 去 到 證明 一些部分 的 這 數據 分析
和 一些 開發的部分 前 它 來 進入 生產。
什麼 I 是 去 到 說 是， 在 一般的， I 只是 通緝 到 給 你
a 小的 位元 的 a 背景 如何做到這一點 發展 是 通常 完畢。
我們的 輸入 數據 是 集
和 很少的設備 和 非常 簡單的 裝置.
那是 一 的 這 主要的 優點 的 合身，
那 它 能 是 廣泛應用 和 非常 小的 裝置.
你 僅有的 需要 a 智慧型手機 和 a 統治者。
如果 你 想 到 發展 合身 模型 為了 肯定 物種，
你 開始 和 一個 影像 資料庫 這通常 集
的 已知 個人 作為 拉里薩 提及。
我們 所以 合作 和 動物園 和 其他 野生動物 中心。
這些 圖片 是 然後 已處理 在JMP中 到 提煉 幾何的 個人資料
那 提煉 a 很多 的 測量， 角度， 距離。
這 數據 能 然後 是 用過的 到 發展 合身 模型。
這 一般的 輸出 是 那 你 想 到 看 在 物種， 性別， 個人。
如果 你是 有能力的 到 為個人編輯， 你 想 到 畫 結論
關於 人口 尺寸。
一次 你 發展 這 方法，
你 確實 想 到 測試這個 在 未知 個人。
再次， 你 看 在 圖片 和 得到 a 預言 的 這 模型。
優勢 的 合身 基於 在 生物識別， 它是 非侵入性。
它是 a 標準化 和 成本 有效的 監測行蹤不定的野生動物的方法
那 不能 是 監控 經過 直接的 觀察。
它 能 是 實施的 為了 幾乎 任何物種 那 樹葉 a 腳印。
它 能 是 合併 與其他非 侵入性 方法
和 叉- 已驗證 模型 一般來說 有 a 高的 準確性。
如何 到 建造 這些 模型 是某事 那 I 會 喜歡 到 演示。
什麼 我是 去 到 示範 今天 從技術上看
在 不同的 腳印。
你 看 在 這 頂部 左邊， 你 看 a 後腳
的 一個 亞洲 小爪 獺。
在 這 頂部 正確的， 你 看 a 左邊 一隻光滑水獺的前面，
在 這 底部 左邊， a 左邊 正面 的 a 歐亞人 獺，
和 在 這 正確的 手 邊， 你 看 a 右腳足跡
從 一個 未知 獺 從 尼泊爾。
什麼 我們 是 去 到 做 今天 是 我們 過程 這些 圖像。
然後 我是 去 到 展示 你 如何 到 快速發展
a 分類 模型 之內 跳轉。
然後 患病的 看 什麼 這 預測
的 這些 迅速地 發展 方法 是 去 到 是。
它 全部 開始
和 影像 分析。
那是 基於腳本 執行 之內 合身。
在 這 第一的 步， 你 通常 調整 這 尺寸 的 一個 影像
所以 那 這 腳印 是 清楚地 可見的 和 這 主宰 部分 的 這 場地。
在 命令 到 是 可複製，
它是 重要的 那 足跡 是 對齊 下列的 定義 旋轉 點。
為了 水獺， 這些 是 旋轉 點 以下 這 第二 和 這 第四 關閉。
然後 你 放 a 定義 放 的 地標 點。
再次， 為了 水獺， 這 是 物種- 具體的。
但 為了 其他的， 我已經 選擇 11 地標。
他們是 在 這 中心。
對不起， 忘記了 一 步。
的 課程， 你 需要 到 定義 a 規模 第一的。
這裡 我們 得到 10公分。 這 是 在這裡。
你 能 添加 一些 額外的 資訊.
只是 到 保持 它 簡單的， I 將要 姓名 日 是罷工 亞洲 短爪 獺。
然後 你 放 11 地標 點。
你 可以， 為了 實例， 使用 成本 空氣 功能
如果 你 想 到 製作 這 作為 精確的 顯然，
但 為了 時間 原因， 患病的 只是 迅速地 跑步 透過 他們。
後 環境 11 地標， 你 衍生 額外的 點，
正在幫助 點 那 是 也 用過的
到 提煉 生物識別 資訊.
一次 你已經 完畢 那，
你會 只是 開始 a 新的 桌子 和 你 去 為了 a 筆 畫。
患病的 只是 迅速地 跑步 透過 三 更多的 圖像。
再次， 你 需要 到 調整大小 他們。
現在， 和 這 影像， 你 能 看 它是 上行 向下。
什麼 I 喜歡 關於 跳轉 是 那
這 影像 窗戶 能 實際上 做 一些 影像 預 加工。
現在， 它是 正確的 正面。 對不起， I 需要 到 翻動 這 一 更多的 時間。
能 做 一些 影像 加工 之內 跳轉 和 所以 你 不 有 到 改變
在 軟體之間。
那是 某物 那 I 真的 喜歡 那 I 能 做 全部 我的 工作
之內 一 軟體 其他 比切換 在 之間 一些 軟體.
再次， I 說 11 地標 點。
這 時間， 患病的 只是 去 超過 他們 快速而骯髒，
和 希望 那 這 預言 將要 是 準確的 足夠的
那是 a 歐亞水獺。
再次， I 去 附加
只是 二 更多的 次， 一 為了 這 光滑塗層 獺。
再次， I 將要 放 這 11 地標，
和 什麼 這 地標 是 用過的 為了， 患病的 展示 你 在 a 第二。
衍生 點，附加行。
一 最後的 時間， 這 神秘 拉里薩提到的足跡
那 曾是 傳送 到 我們 從 a 專案 在 尼泊爾,
那 是， 到 我的 知識， 正在做 一些 獺 監控 那裡。
一 的 這 種 有 沒被看到 為了 在 至少 三十 年。
1、2、3、4、5、6 .
什麼是 不同的 在 這裡 是那個 你 有 a 不同的 規模。
那 規模 因素 是 某物 那 I 需要 到 調整 之內 這裡。
再次， 患病的 迅速地 點選 透過 這 圖像。
這 是 通常情況下 完畢 a 小的 位元 更加繁瑣，
但 為了 示範 清酒， 我會盡力 點選 透過 他們 迅速地。
和 這 是 一個 未知
物種。
什麼 你 結尾 向上 和 這是 這 光滑塗層。
什麼 你 結尾 向上 是
a 大的 數據 桌子 .
這些 是 點 為了
評估 這 品質 的 這 地標， 哪個 I 做過 不是 去 進入 之內 這裡。
你 得到 X 和 Y 座標 為了 每個 地標。
這些 X 和 Y 座標 是 衍生的
到 計算 a 大的 數位 的 測量。
有 更多的 比 100 距離 衍生的， 一些 角度 和 一些 區域。
有 相當 a 很多 的 資訊 提取 出去 的 a 單身的 腳印。
如果 你 重複 這 步 那 我已經 剛剛放映過幾次，
你會 結尾 向上 和 a 數據 桌子 喜歡 這。
這 是 這 數據 桌子 那 我要去 到 示範 這 預言 模型 在。
如果 你 有 a 看 什麼 我們 有 這裡，
如果 你 看 在 這 分佈 或物種 或者 目標 多變的，
你 看 那 I 有 405 已處理 圖片 的 歐亞人 水獺，
278 亞洲 短爪 水獺， 和 127 光滑塗層 水獺。
它是 不是 完美 同樣- 分散式群組，
但 在 至少 每個 團體 有 相當可觀的樣本量，
哪個 將要 希望 工作 為了 造型。
每當 你 想 到 做 任何種類的 監督 造型，
它是 a 好的 主意 到 分裂 您的數據 進入 訓練 和 測試 數據。
這 能 是 非常 容易地 完畢 在 跳轉。
你 有 到 製作 驗證 柱子 之內 這 預測 造型 平台。
什麼 我已經 完畢 是 I 隨機 將我的數據分成 80% 的訓練數據
和 20% 測試 數據，
我將在哪裡測試 這 模型 那 是 去 到 建造 在
和 看 如何 他們 履行。
全部 正確的， 所以 我已經 之前 完畢 這。
什麼 患病的 做 現在 是 患病的 只是 選擇我的訓練數據，
哪個 是 648 行，
和 I 將要 只是 有 a 看 進入 a 數據 看法。
這 是 648 觀察結果。
患病的 迅速地 節省 這 作為 我的 訓練 放。
再次， 如果 你 有 a 看 在 分佈，
你 可以 看 那 我們 有，
100 光滑塗層 獺 印刷， 324 歐亞人 獺 印刷， 和 223 ASC。
它是 這 相同的 分配 百分比 作為 和 這 以前的 數據 放。
在 這 下一個 步，
I 將要 跳過 出去 a 大的 部分 當它 來 到 預測 造型，
那 是 a 多變的 選擇。
I 認為 那 I 有 不 事先的 知識， 所以 只是 添加到 全部 變數
那 是 可用的。
I 有 不 主意 哪個 模型 是 去 到 工作 最好的。
什麼 我是 去 到 做 這裡 是 患病的 使用模型篩選平台
那 比較 一些 不同的 機器 學習 模型
那 是 實施的 在 跳轉 並進行比較 步 表現 在 這
具體的 任務。
再次， 我的 目標 多變的 是 這 物種。
這 是 這 一 那 I 會 喜歡 到 預測。
在 全部的， I 有 209 次測量
提取 從 我的 足跡數據 和 這些 是 我的 X 變數。
這些 是 全部 因素 那 能 潛在 是 用過的。
什麼 你 看 向下 這裡 是 你 能 選擇 這 方法 那 你 想跑
和 你 能 基本上 選擇 透過 全部 這 預言 方法。
但 為了 論點 清酒 和 為了 運行時，
患病的 僅有的 跑步 方法 那 I 知道 那 將要 跑步 透過 迅速地。
你 能 再次 製作 它 可重複 經過 環境 a 隨機的 種子。
什麼是 也 好的 關於 a 模型篩選平台
是 你 能 添加 一個 內部的 驗證 步。
我們 已經 分裂 我們的 數據 進入 訓練 和 測試 放。
但 在 命令 到 有 一個 內部驗證 在 這些 模型
那 我是 將會發展，
患病的 添加 k倍 交叉驗證。
患病的 只是 放 a 打鉤 在 這裡 所以 那 那裡 是 一些 模型
被評估 使用 k 折 交叉驗證 方法。
好的， 如果 I 只是 點選 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 到過 評估。
你會 得到 空中廣場，
你會 得到 這幾種模型的效能指標，
和 你 能 只是 說 哪個 一 是 這 最好的。
你 只是 選擇 這 主導的 一。
你 能 看 進入 這 訓練 或進入測試集
哪個 將要 也 給 你 a 錯誤分類 速度。
你 能 看 那 錯誤分類 速度 為了 引導森林 曾是 相當 感人的。
它是 幾乎 95% 的 這 數據 被正確分類
在 這 驗證 放。
為了 論點 清酒， 讓我們 說， 那 這 Bootstrap 森林，
這 決策樹， 和 這 判別分析
是 這 三 最好的 模型 和 我是 不是 當然 哪個 一 是 這 最好的。
I 能 只是 跑步 那些 三 模型 已選擇。
他們會 流行音樂 向上 在 他們的 各自 平台。
什麼 I 能 做 是 患病的 只是
節省 這 預言 公式 進入 我的 公式倉庫。
患病的 做 這 為了 這 決策樹模型， 所以 I 能 關閉 這。
患病的 做 這
為了 這 判別分析，就在這裡完成。
最後的 但 不是 至少， I 能 做這個 為了 這 引導森林 模型
這裡。
什麼 I 有 現在 是...
某人 I 能 關閉， 我是 對不起。
I 有 三 模型 在 我的 公式倉庫。
I 現在 想 到 評價 如何 這些 模型 執行 在 新的 數據。
再次， I 去 進入 我的 初始數據表
和 I 選擇 我的 測試 放，
所以 全部 這 變數 那 有 隨機選擇
作為 a 驗證 放。
患病的 只是 迅速地 節省 這 作為 測試 放。
在 這 下一個 步， I 能 技術上
打開 我的 公式倉庫 和 I 能 跑步 所有這些 模型 在 這 新的 數據 桌子。
I 將要 跑步 他們 在 這 測試 放。
I 想 到 跑步 全部 三 的 這 模型。
I 能 做 a 模型 比較
我運行所有 這 三 模型 在 這 測試 放。
那是 實際上 什麼 I 通緝 到 展示。
你會 看 向下 這裡， I 希望 你 能 看 這。
嘗試 到 飛漲 在 a 小的 位元 那
這 錯誤分類 費率 這些模型 是 實際上 相當 低的。
測試集 是 新的 數據 那 有 不是 在模特兒身上看過
和 那裡 曾是 a 錯誤分類 速度
為了 這 決策樹 模型 的 16%， 儘管 這 判別分析
和 這 引導森林
僅有的 有 a 錯誤分類 速度 的 12%。
你 有 這 最高 空氣 方塊 價值 為了 這 Bootstrap 森林，
和 那裡 是 一些 其他 指標 那 你 想 到 看 在。
為了 我們， 這 最多 重要的 公制 是 這 預言， 正確的 或者 錯誤的。
I 通常 看 a 很多 在 這 錯誤分類 速度。
但 明顯地， 全部 這 其他 指標
可以使用 到 評價 和 產生 好的 模型。
最後的 但 不是 至少，
我們 想 到 有 a 看 的 如何 這些 模型
實際上 執行 在 這 足跡 那 是 只是 之前 已處理。
再次， 我們 去 後退 進入 我們的...現在，它在哪裡？
在 我們的 公式倉庫 和 出色地 跑步 這
在 四 圖片 那 我們 之前
已處理。
如果 我們 打開 這 數據 桌子，
你 能 有 a 看 在 這 預言。
什麼 我們 能 看 這裡。 我會 它 a 小的 位元 更多的 明顯地。
所以 這 曾是
這 原來的 數據，
和 如果 I 只是 看 進入 這 種 為了 這 第一的 模型，
一切 曾是 預測 正確。
這 第一的 模型 曾是 這 決策樹 那 預測 ASC 為了 ASC，
歐亞人 水獺 歐亞人 獺， 光滑塗層 為了 光滑塗層，
和 相同的 和 這 判別分析 和 相同的 和 這 引導程式 森林。
全部三個 模型 實際上 預測 合適的物種 到 這 圖片
我們已經處理好了， 和 全部 模型 是 也 持續的
關於 他們的 預言 什麼時候 它 來 到 這 歐亞人 獺。
我是 正在做 我的 博士 主要 在 這 歐亞人 獺 物種。
這 曾是 也 某物 那 I 會 有 猜測 作為 一個 專家
在 這 特別的 種 腳印。
所以 它是 相當 持續的 和 它 作品 真的 出色地。
明顯地， 你 能 添加 更多的 步驟 你可以 美好的 調
你的 分類 評價更多 如果 你 看 更多的 進入 特徵 選擇。
但 I 思考 什麼 I 通緝 到 展示 你 和 這 示範 是 如何 容易地 a 問題
什麼 種 它 是 能 是 回答 使用 跳轉。
I 希望 這 曾是 相當 直覺的。
讓 我 畫 一些 結論 在 那， 一些 結果。
什麼 I 真的 喜歡 關於 跳轉 是 a 偉大的 全部- 在- 一 解決方案。
I 能 提煉 生物識別 數據 從 圖片 之內 這 合身 插件。
I 不 有 到 轉變 軟體 到 做 這 數據 分析。
直接地， 我的 提取 生物識別 數據 能 是 分析了。
和 不是 僅有的 分析 在 a 描述性的 方式，
I 能 建造 分類 模型。
有 狀態- 的- 這 藝術 機器 學習 模型 實施的 進入 那，
和 所以 它是 a 一- 和- 全部 解決方案。
有 明顯地 其他 方法 到 也這樣做，
但 I 只是 喜歡 這 實用性。
為了 我們的 特別的 研究 問題，
所以 我們的 獺 種 具體的 分類 模型 在 這 階段，
如何 很多 數據 我們 有， 他們 有 執行 非常 出色地。
他們是 有能力的 到 保護 這 種
的 單身的 未知 獺 足跡 和 高的 分類 速度。
為了 實例， 這裡
神經 網， 哪個 I 做過 不是 跑步 在 這 例子
因為 這 運行時 是 a 再長一點，
有 a 錯誤分類 速度 的 僅有的 10% 在 這 相同的 測試 放。
它 可以 甚至 增加 這 分類 準確性 的 其他 百分之二。
如果 你 潛水 在 更深， 你 能 甚至 增加 這 a 小的 位元 更多的。
一 事物 那 我們的 經驗 從 在職的 和 足跡 在 這 場地
增加 這 分類準確率 經過 相當 a 很多
而是 比 在職的 只有一個腳印
是 到 工作 和 踪跡。
一個 動物， 取決於 在 在哪裡 你 是， 取決於 在 這 基質，
沒有 僅有的 離開 a 單身的 腳印。
沒有 去 也 很多 進入 細節， a 腳印 能 是 a 相當 複雜的 事
因為 它 變數 a 很多 和 這 基材 那 一個 動物
正在移動 透過 和 這 速度 的 一個 動物 和 這 門。
那裡 能 是 相當 a 位元 的 噪音 和 背景 變化。
如果你 工作 和 多種的 足跡 和 拿 一個 平均的 的 a 預言
反而 的 單身的 足跡，
你 能 地址 這 變化 相當 a 位元 更多的。
這 來 尤其 重要的 什麼時候 你 想 到 看 在 個人 鑑別。
最後的 但 不是 至少，
跳轉 是 也 偉大的 到 獲得 見解 在 這 重要性 的 變數。
有 一些 方法 之內 跳轉
那 你 能 看 進入 哪個 是 實際上變數
那 是 貢獻 這 最多 到 預測。
你 能 任何一個 看 在 樹- 基於 方法，
在哪裡 你 看 在 這 分類樹 和 在哪裡 這 分裂 是 完畢。
你 能 看 進入 柱子 貢獻 再次 為了 樹- 基於 方法，
如果 你 工作 和 引導F 奧瑞斯忒斯， 或者 XGBoost， 或者 某物 喜歡 那。
你 能 看 哪個 列 實際上是在選擇 如何 許多 次。
你 可以 看 進入 這 預言 分析器
如果 你 使用 這 普通的 造型 平台 之內 跳轉。
你 能 技術上 有 a 看 什麼 預言 的 你的 模型，
如何 它是 去 到 改變 如果你 改變 肯定 值。
或者 你 能 做 某物 喜歡 a 判別分析，
在哪裡 你 只是 跟隨
這 F 比率 的 如何 變數 是 已選定。
這 將要 然後， 再次， 給 你 a 很多見解
因為 它 真的 取決於 在 你的 問題。
做 你 想 到 有 a 外部顧問的預測
的 什麼 種 你是 尋找 在？
或者 做 你 想 到 給 a 實地工作指南
的 哪個 測量 是 值得 尋找 進入
什麼時候 你是 進入 場地，
什麼時候 你 想 到 製作 這 根據主題進行分類，
喜歡 只是 在 專家 知識？
是的， 所以 那是 基本上 它 從 我的 邊。
I 會 喜歡 到 感謝 全部 這 貢獻 動物園 和 野生動物 公園 世界衛生組織 允許 我們
到 工作 和 他們的 美麗的動物 和 分享 數據 和 我們。
尤其， I 會 喜歡 到 感謝 優雅 約克森 從 這 IOSF，
這 獺 生存 公司 世界衛生組織 得到 我們 進入 接觸 和 許多 的 他們，
KHYS， 我們的 卡爾斯魯厄之家 年輕的 科學家
世界衛生組織 實際上資助了這項研究，
和 最多 重要的是， 約瑟夫 摩根 從 跳轉，
誰非常 有幫助的 當談到 造型 和 合身。
然後 他 有 到過 給予 我 建議
更多的 比 一次 什麼時候 I 得到 任何 JSL 腳本 問題。
是的， 那是 漂亮的 很多 它 從 我的 邊。
感謝 你 非常 很多 為了 傾聽 所以 遠的， 每個人。
I 只是 真的 想 到 圓形的 向上 這裡。
I 認為 天空， 和 拉里薩， 和 弗雷德 勾勒出美麗的輪廓
這 挑戰 我們面臨 在 識別 這些 不同種類的水獺
大約 這 世界 和 這 方式 在 哪個 跳轉 能 幫助 我們
分類 他們 和 帶來 一些清晰度 到 這 圖片。
在哪裡 是 他們 和 如何 許多 是 那裡？
ID 喜歡 到 只是 迅速地 演講 關於 什麼是 下一個。
如何 是 我們 大樓 在 這？
一 的 這 事物 是 正在做 是 大樓
人造的 智力 進入 這 圖片 所以 那 它 將要 允許 我們 到
篩選 和 種類 a 很多 更大 體積 的 數據 作為 它 來 在。
作為 兩個都 弗雷德 和 拉里薩 有 說， 我們 需要 更多的 數據。
人造的 智力 有 這 潛在的，
哪個 我們已經 已經 裸露 在一些早期 訓練
和 測試 和 場地 數據
作為 你 能 看 在 這 底部 的 此畫面。
是 得到 合理地 準確度高 在 我們的 最初的 試驗 和 人工智慧.
我們 思考 那 它 將要 絕不 給 我們 相當 這 解決 那 跳轉 將要 給 我們。
什麼 是 瞄準 到 做 是 有 一個 人工智慧平台
哪個 將要 是 簡單的 為了 公民科學家 到 餵食 數據 進入。
出色地 有 跳轉 作為 這 頂級分類器 在 那 平台 經過 整合 它。
但 這 鑰匙 這裡 真的 是 那 這個神秘的地面證據
左邊 在後面 經過 水獺 和 全部 這 其他 種
有沒有 為了 我們 到 解碼 如果我們 能 尋找 a 方式 到 做 它。
它 真的 是 變革性的 在 保護
到 是 有能力的 到 有 a 廉價而快速的技術
到 知道 在哪裡 這些 瀕危 種 是。
是 非常 樂觀的 使用 基線 人工智慧 分類器
使用 JMP 作為 a 最終的 分類器， 出色地 是 有能力的 到 製作 那 科技
不僅 遞送 這 數據 我們 需要， 但 整合 人們 全部 世界各地
作為 國民 科學家 到 是 部分 的 那。
是 真的 感激的 到 這 JMP 社群 為了 支援 我們
透過 這 所有的 旅行。
是 不斷地 製作 新的 大步前進。
我們 知道 那 有 興趣 在 這個社區，
和 我們 希望 那 他們 將要 加入我們
什麼時候 我們的 新的 移動的 應用程式 來 出去 到 甚至 開始 收集 數據 他們自己
和 推動 這 向前 到我們想要的地方 是，
哪個 是 a 分類器
為了 全部 瀕危 種 全部 超過 這 世界。
這是 至 很多 和 很多 的 點 在 這 地圖，
和 感謝 你 全部 為了 聆聽。
