数据集概述
本数据集为Owen等2025年论文《What is 'accuracy'? Rethinking machine learning classifier performance metrics for highly imbalanced, high variance, zero-inflated species count data》的补充信息，包含支撑论文所有研究发现的数据集及计算过程，以单个Excel文件呈现，用于重新思考高度不平衡、高方差、零膨胀物种计数数据下的机器学习分类器性能指标。
文件详解
- 文件名称：Owen_et_al_Supplemental_Information.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含论文研究中涉及的物种计数数据集（高度不平衡、高方差、零膨胀特征）及分类器性能指标计算的工作数据，具体字段需参考文件内容，涵盖数据输入、中间计算步骤及结果输出等支撑研究发现的相关信息。
数据来源
论文“Owen et al. 2025. What is 'accuracy'? Rethinking machine learning classifier performance metrics for highly imbalanced, high variance, zero-inflated species count data”
适用场景
- 机器学习性能指标研究：用于分析高度不平衡、高方差、零膨胀物种计数数据下传统分类器性能指标的局限性，探索更合适的评估方法。
- 物种计数数据分析：支撑物种计数相关机器学习模型的训练、验证及性能评估场景。
- 分类器优化：为针对特殊分布（不平衡、零膨胀）数据的机器学习分类器设计与优化提供数据基础。
- 学术研究补充：作为论文研究发现的补充支撑材料，助力相关领域研究者复现或拓展研究。
