贝叶斯回归与机器学习对抗,以快速估计在哥的利达识别的考古特征的年龄

科学领域:

• 考古学是一种科学.
• 地理空间分析是什么?
• 计算考古学是一种计算考古学.

背景情况:

• 光探测和测距 (Lidar) 技术通过使广大景观的高分辨率绘图成为可能,改变了考古学.
• 这导致了许多古代城市中心的发现,特别是在热带地区,引发了对古代热带城市主义的兴趣.
• 一个重大挑战是将时间数据与广泛的空间数据集整合在一起,这是由于传统考古方法的耗时和破坏性.

研究的目的:

• 开发和评估贝叶斯回归方法,以增加Lidar衍生的考古数据的时间深度.
• 为了比较贝叶斯回归与之前的机器学习模型对寺基础日期估计的有效性.
• 制作对哥的寺基础和时空城市增长模式的最新估计.

主要方法:

• 将贝叶斯回归建模应用于哥寺数据集的应用.
• 贝叶斯回归与先前的标准回归和机器学习模型的比较.
• 利用哥寺的更新数据库作为模型开发的培训数据集.

主要成果:

• 贝叶斯回归方法有效地将不确定性,特别是时间不确定性,纳入时间估计.
• 该研究提供了对哥寺奠基日期和城市扩张的最新估计.
• 与以前的模型相比,贝叶斯方法提供了更好的解释效用和关于预测变量的透明度.

结论:

• 预测性统计和机器学习方法,特别是贝叶斯回归,可以快速为大型Lidar数据集添加时间信息.
• 这种方法增强了我们对古代城市设计和前所未有的规模的景观改造的理解.
• 贝叶斯模型为处理考古数据分析中的不确定性提供了一个强大的框架.