A
E VA L U A C I Ó N D E E N S A M B L A D O S
Cada especie que se introduce en MODPLAN está representada por una muestra de presencias que tiene dos propiedades: número de presencias y área de extensión. MODPLAN parte aleatoriamente la muestra según una proporción determinada por el parámetro PORCENTAJE EVALUACIÓN en un conjunto de puntos de calibrado, que se utilizan para entrenar los algoritmos, y un conjunto de puntos de evaluación. Éstos son lo que MODPLAN utiliza, junto a 10000 puntos aleatorios, para calcular las métricas e evaluación. Posteriormente el sistema calibra un nuevo modelo con todos los puntos disponibles. De este modelo se extraen los valores de idoneidad y desviación de las presencias y puntos aleatorios (que describen distintas propiedades del modelo) para generar los datos del informe final. A este modelo se le asignan directamente los valores de las métricas de evaluación del modelo anterior. La descrita es una metodología propuesta por Rencher (1995), que ya apareció comentada en el Capítulo 2. Sin embargo, el proceso que involucra, cuando se trabaja en un entorno de modelado masivo, incrementa el tiempo de computación aproximadamente un 25 %, un consumo de recursos importante cuando el tiempo de ejecución es un factor a tener en cuenta. Además, cuando se trabaja con tamaños de muestra pequeños, los valores obtenidos pueden ser poco representativos del ajuste real del modelo. Tratando de superar estas dificultades, en este anexo presento un razonamiento que justifica (con matices) la evaluación de los modelos utilizando únicamente los valores de idoneidad y desviación de todos los puntos de calibrado, y por tanto, la eliminación de la fase inicial de partición de datos, calibrado y evaluación.
243