利用对抗验证量化地理空间机器学习预测的差异性

通过对地理空间机器学习预测结果和样本数据之间的差异度进行量化，在 0 到 100% 的区间内，基于对抗验证的方法可以准确度量差异度。此方法在合成和真实的数据集上测试，并逐渐增加差异度来研究其效果和普适性。测试结果表明该方法可以成功地量化整个数值范围内的差异度，并揭示出在地理空间机器学习预测中考虑特征空间差异度的重要性，以便选择更适合的交叉验证方法进行预测评估。