(取材しました)出没、出現ではなく、ヒトとクマの遭遇予測
クマ遭遇リスクの予測方法
AIにこんな活用法があるなんてすごい
AIでクマの出没予測とかすげぇｗ 人の次は動物の行動まで読む時代かよｗ
"地図全体が真っ赤（どこも危険）になるか、真っ白（どこも安全）になるというような、両極端な予測しかできなくなる" 画像にある秋田のマップは真っ赤になってしまっているように見えるが……
"特に困ったのが、「遭遇したデータ」（正例）は世の中にあるけれど、「遭遇しなかったデータ」（負例）は存在しないということです"
動物生態学者とコラボでもっと精度とか高められないものですかねえ・・・。
秋田県に関しては、「遭遇したデータ」が出るのは人が住んでいるところ、出ないのは人が住んでいないところ、という状態のような気がする。
https://fukazawa-lab.github.io/japan-bear-map/
金沢の市街地ど真ん中がポツンと「非常に高い」になっててワロタ、金沢城公園を山と判定したのか
“精度検証の結果、ExtraTreesというツリーベースの手法の精度が高かった。データが少量でTransfomerやディープラーニングではうまく学習が進まないことや、テーブルデータとして扱ったためツリーベースの手法が向いてい”
“高齢化が進んだ地域というのは、結果として放置された「空き家」や「耕作放棄地」が増えやすい。そして、そこには餌としてクマを誘引する「放置された柿の木」などが残されていることが多い” うーんこの疑似相関
「遭遇件数」の定義が分からないけど、文字通りなら１頭でも大勢の人がいる街中に出て来たら一気に増えるんじゃないの？
https://electricity.py.gov.in/sites/default/files/webform/Settlement-Legal-claim-eligibility.pdf
ドラクエやポケモンのスマホアプリの中継をやってるユーチューバーも先日唯一クマが来てなかった地区に現れて秋田全体がクマの出没地域になったってたなぁ クマがいないのは人がいない地域だとも
有用なんだろうなと思うけど、山間部にポイントがないマップを見ると、生存性バイアスの説明に使われる爆撃機の損傷箇所の図を見てる気になる。
“クマとの遭遇が多く発生している川は、岸辺が藪になっていることが多いんですね。どうやらクマはこの藪を“道”のように伝って、夜の間に市街地へ移動してくるらしい”
こう言うバズワードで補助金稼ぐ山師みたいな奴が早く干上がって滅びますように。明日は晴れか雨か曇りか雪か雹でしょうと言ってどれかに当てはまれば当たりとみなすみたいな悪質な奴
まさにデータサイエンスそのものの話なんだが、結局は遭遇を推測するしかできない。生存バイアスの飛行機の絵みたいな話。
滅茶苦茶ちゃんとしてると思うし、ありがたい取り組みなのでは？（でもクマがいないはずの伊豆大島や八丈島にちょっと赤い所があるな…）
山間部の「遭遇しなかったデータ」は登山アプリの山行記録を使えないかな。登山アプリ側も熊出現率を掲載できるなら双方利がある気はする。
“If a tree falls in a forest and no one is around to hear it, does it make a sound?” 「人の聞く者無き処にて木の倒るる時、その音や如何。
「クマ遭遇AI予測マップ」を開発して見えたもの。人流解析のプロが野生動物の世界に挑んだ所感【フォーカス】 レバテックラボ（レバテックLAB）
(取材しました)出没、出現ではなく、ヒトとクマの遭遇予測
クマ遭遇リスクの予測方法
AIにこんな活用法があるなんてすごい
AIでクマの出没予測とかすげぇｗ 人の次は動物の行動まで読む時代かよｗ
"地図全体が真っ赤（どこも危険）になるか、真っ白（どこも安全）になるというような、両極端な予測しかできなくなる" 画像にある秋田のマップは真っ赤になってしまっているように見えるが……
"特に困ったのが、「遭遇したデータ」（正例）は世の中にあるけれど、「遭遇しなかったデータ」（負例）は存在しないということです"
動物生態学者とコラボでもっと精度とか高められないものですかねえ・・・。
秋田県に関しては、「遭遇したデータ」が出るのは人が住んでいるところ、出ないのは人が住んでいないところ、という状態のような気がする。
https://fukazawa-lab.github.io/japan-bear-map/
"特に困ったのが、「遭遇したデータ」（正例）は世の中にあるけれど、「遭遇しなかったデータ」（負例）は存在しないということです"
金沢の市街地ど真ん中がポツンと「非常に高い」になっててワロタ、金沢城公園を山と判定したのか
“精度検証の結果、ExtraTreesというツリーベースの手法の精度が高かった。データが少量でTransfomerやディープラーニングではうまく学習が進まないことや、テーブルデータとして扱ったためツリーベースの手法が向いてい”
“高齢化が進んだ地域というのは、結果として放置された「空き家」や「耕作放棄地」が増えやすい。そして、そこには餌としてクマを誘引する「放置された柿の木」などが残されていることが多い” うーんこの疑似相関
「遭遇件数」の定義が分からないけど、文字通りなら１頭でも大勢の人がいる街中に出て来たら一気に増えるんじゃないの？
https://electricity.py.gov.in/sites/default/files/webform/Settlement-Legal-claim-eligibility.pdf
ドラクエやポケモンのスマホアプリの中継をやってるユーチューバーも先日唯一クマが来てなかった地区に現れて秋田全体がクマの出没地域になったってたなぁ クマがいないのは人がいない地域だとも
有用なんだろうなと思うけど、山間部にポイントがないマップを見ると、生存性バイアスの説明に使われる爆撃機の損傷箇所の図を見てる気になる。
“クマとの遭遇が多く発生している川は、岸辺が藪になっていることが多いんですね。どうやらクマはこの藪を“道”のように伝って、夜の間に市街地へ移動してくるらしい”
こう言うバズワードで補助金稼ぐ山師みたいな奴が早く干上がって滅びますように。明日は晴れか雨か曇りか雪か雹でしょうと言ってどれかに当てはまれば当たりとみなすみたいな悪質な奴
まさにデータサイエンスそのものの話なんだが、結局は遭遇を推測するしかできない。生存バイアスの飛行機の絵みたいな話。
滅茶苦茶ちゃんとしてると思うし、ありがたい取り組みなのでは？（でもクマがいないはずの伊豆大島や八丈島にちょっと赤い所があるな…）
山間部の「遭遇しなかったデータ」は登山アプリの山行記録を使えないかな。登山アプリ側も熊出現率を掲載できるなら双方利がある気はする。
“If a tree falls in a forest and no one is around to hear it, does it make a sound?” 「人の聞く者無き処にて木の倒るる時、その音や如何。