新的阿尔伯塔大学在加拿大管理水生入侵物种的研究将机器学习的力量与生物学和统计学方面的专业知识相结合，为环境管理者建立一个简单易用的工具。
该工具生成决策树，通过预测各种入侵物种管理策略的结果，帮助环境管理者决定采用哪种方法进入水道。
入侵物种的经济成本高达数百亿美元 - 由于成本太高，人们对防治入侵感兴趣很大，”马克·刘易斯说，他是数学和统计科学的大学。数学生物学专家和 加拿大研究主席，他与研究合作者一起开发了该工具。
加拿大海洋和淡水环境中有许多种水生入侵物种，从入侵海藻到鱼类到水蚤。许多都通过航运路线和宠物贸易传播，就像您将金鱼放入湖中一样。
“一般而言，数学生物学有许多理解根除入侵物种的神奇工具，” 机器学习专家兼计算科学教授Russ Greiner解释道 。“机器学习提供了许多补充工具，用于预测特定入侵是否可能被消除，使用一些特定的方法。”
Lewis和Greiner以及他们的前博士后研究员Yanyu Xiao运行机器学习技术来生成易于使用的决策树。环境管理人员可以使用它们来确定处理任何入侵的最佳策略，从根除到遏制和减少传播。
研究表明，在所考虑的物种范围很广的情况下，需要考虑三个主要因素：栖息地类型，入侵面积以及是否已经尝试遏制。
“作为最终用户，没有必要使用电脑，”刘易斯说。“您所需要的只是决策树的副本，这对于在该领域工作的环境经理来说更有用。”