决策树参数下敏感性分析有偏？新方法直接给主效应排序！
Sensitivity Analysis of Decision Rules in an Agent-Based Agro-Ecological Model
📖 AI 总结
该研究针对基于智能体的农业生态模型在决策支持中难以识别关键决策的问题，指出此类模型的参数并非扁平向量，而是呈现决策树结构——许多参数仅在上层选择激活时才出现，传统全局敏感性分析方法因假设输入独立且定义在固定笛卡尔积上，在此类分支空间中不适用且存在固有偏差。作者将决策结构本身作为建模对象，利用代理模型技术把MAELIA平台的高分辨率作物管理流程编码为包含分类与数值变量的层次化设计空间，并提出一种随机森林监督的HSIC-ANOVA新方法，直接在树结构上对主效应与交互作用排序，使常激活与少激活决策获得同等对待。将该方法应用于氮淋溶、土壤有机碳变化和产量预测等模拟输出后，能够给出可解释、面向决策的分析结果，为复杂农业生态模型的敏感性分析提供了新思路。
🔑 关键词速览
| Agent-based models | 基于智能体的模型，通过模拟个体智能体的行为及其相互作用来研究复杂系统。 |
| Sensitivity analysis | 敏感性分析，研究模型输入的不确定性如何影响输出结果的一种方法。 |
| Decision tree | 决策树，一种树状结构，其中每个内部节点表示一个决策，叶节点表示结果。 |
| HSIC-ANOVA | 一种结合希尔伯特-施密特独立性准则（HSIC）和方差分析（ANOVA）的敏感性分析方法，用于排序主效应和交互作用。 |
| MAELIA | 一个高分辨率的农业生态建模平台，用于模拟作物管理行程和生态系统过程。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅