低样本量下tidySDM与SpatialSample实现Jackknife交叉验证的参数问题

问题背景 #

处理仅含10-15个存在点的物种分布模型（SDM）数据集，需用留一法（Jackknife）交叉验证替代随机k折。使用tidySDM依赖的spatial_leave_location_out_cv函数时，对group参数的传入值存在困惑：

• 传入Class列（区分存在/背景点）时模型运行失败
• 传入Geometry列时计算量过大，运行超8小时未完成

核心原理 #

留一法的核心是逐个剔除每个存在点，用剩余存在点+全部背景点训练模型，再用被剔除的存在点测试。因此group参数需要：

• 给每个存在点分配唯一的分组ID（确保每次仅剔除一个存在点）
• 给所有背景点分配同一个分组ID（避免背景点被单独剔除，减少不必要的计算）

正确实现步骤 #

1. 新增分组列：为每个存在点生成唯一标识，背景点统一归为一组
2. 指定折数v为存在点的数量（留一法的折数等于存在点总数）
3. 调用spatial_leave_location_out_cv函数

代码示例 #

# 加载必要包
library(dplyr)
library(sf)
library(SpatialSample)

# 为数据添加交叉验证分组列
dive.vars1 <- dive.vars1 %>%
  mutate(
    cv_group = case_when(
      # 假设Class列中"presence"是存在点标识，根据实际值修改
      Class == "presence" ~ as.character(row_number()),
      TRUE ~ "background"
    )
  )

# 统计存在点数量，作为留一法的折数
n_presence <- sum(dive.vars1$Class == "presence")

# 执行留一法交叉验证
dive.cv <- spatial_leave_location_out_cv(
  data = dive.vars1,
  group = cv_group,
  v = n_presence
)

# 可视化交叉验证分组
autoplot(dive.cv)

错误原因解析 #

• 传入Class列：仅生成"存在/背景"两个分组，不符合留一法逐个剔除存在点的要求，导致模型运行逻辑错误
• 传入Geometry列：每个空间点被视为独立分组，生成10010折交叉验证，计算量呈指数级增长，因此运行耗时极长

内容的提问来源于stack exchange，提问作者Garrett Gimbel