使用可解释增强算法对环境和农业数据进行建模（英文版）

英文标题：Using interpretable boosting algorithms for modeling environmental and agricultural data中文摘要：本文研究解释性提升算法和基于岭正则化广义线性模型的应用，帮助分析高维环境数据，通过智利和突尼斯农民的环境、社会、人类和生物物理数据进行预测他们在气候灾害中的财务脆弱性，使用新的 2 步提升方法在高维数据集中处理组结构和交互作用，并显示了该方法的优点和功效。结果表明，仅在两步提升中包含交互效应会提高预测能力。在预测各种类型的脆弱性中，最重要的变量是自然资产，其他重要变量包括灌溉类型、经济资产和附近农场的作物损伤情况。英文摘要：We describe how interpretable boosting algorithms based on ridge-regularizedgeneralized linear models can be used to analyze high-dimensional environmentaldata. We illustrate this by usin