Lista de características para implementar

[AndreaSanchezTapia]

• metadados da rodada: um resumo da informação de cada rodada (sp, n, desenho, nback)
• testes de que os metadados condizem com o que acaba de ser pedido
• projeções (issue Implementar projeções #8)
• filtro ambiental -com distância euclideana
• filtro geográfico com spthin()
• filtro geográfico com geo_filt() do diogo
• plot do dataset opcional - voltar a guardar sdmdata.txt
• separar a geração do dataset da modelagem
• voltar às outras maneiras de fazer final_model() mas com condições
• idem ensemble - mean, max, min.
• implementar diferentes desenhos (issue Implementar 'rodadas' de partições.  #6)
• parametros variáveis entre espécies
• revisão geral dos métodos de avaliação, final, ensemble ¬¬ !
• distância euclideana

[AndreaSanchezTapia]

• tamanho do pacote
• exemplo do buffer está muito demorado
• documentar o ellipse (...)

[AndreaSanchezTapia]

• brt

[AndreaSanchezTapia]

Novembro - dezembro 2019

• final_model tem que criar a tabela com os valores médios dos algoritmos
  criar metadados em cada fase do workflow
• do_any metadados
• final metadados
• ensemble metadados

Documentacao

• documentar a criação da nova tabela (eval_mod)
• e a formatação de th_table/evaluate. Fscore, Jaccard.
• idem na software note

Buffer

• env_dist_min implementado
• nos tests: se a pessoa não botar buffer_type a função tem que funcionar (resolvi com um “none” tosco)
• se a pessoa não indicar distancia maxima nem minima na hora de botar env_dist tem que dar erro
• se ambas sao pedidas a distancia maxima tem que ser maior à distancia mínima
• decidir se max_env_dist sai ou se a gente testa e decide depois SAI
• se a pessoa só quer uma das duas distancias a função TEM que funcionar. (mas isto é assumindo que a gente vai manter max_env_dist)
• se a pessoa bota as duas distâncias NAO tá funcionando BEM porque os valores da distancia euclidiana são muito loucos mas muito. o problema atual está aqui https://rpubs.com/andreasancheztapia/551901 a distancia euclidiana tem uma distribuição tão maluca que aplicar um limiar (sob forma de quantil) tipo 0.5 para a distância máxima e 0.05 para a distância mínima ainda dá muito estranho e isto varia com a extensao/resolucao das camadas explicativas (o numero de pixeis afinal). Uma distância máxima arbitrária (sob forma de x desvios padrão, ou de algum quantil mesmo) vai ser necessária antes de aplicar estes quantis. inclusive se a gente deixar só min_dist, o 5% mais próximo ambientalmente (removido) pode ser qualquer coisa, e pode ser muito grande
• editar no software note
• o parâmetro max_env_dist ainda serve para botar uma distância máxima
• atualizar a figura de buffer_table.pdf só quando a gente tiver decidido

FINAL

• tirar a selecao e a ponderacao
• os parametros estao confusos - sobre tudo aquele que pode ser numérico cut_level, se confunde com o outro (sel_par?)
• renomeei cut_level para mean_th_par, mantive o mesmo threshold o que corta os raw_mean e o que cria os binários (segunda coluna da figura)
• documentar
• aquela opcao de cut_level ser numérico tinha que ir embora.
• cut_mean deve sair #polêmica ele se parece tanto a cut_mean_th mas com uns thresholds meio difusos…. se bobear é até igual ¬¬ vou checar isso
• atualizar a figura de final model 😬
• 191124 tirei cut_mean mesmo e acabei falando o seguinte: a partir dos raw_mean, pode-se fazer uma estratégia de mean first, cut later, que é a sequencia raw_mean -> pegar a media do threshold -> cortar -> recuperar ou não. ou uma estratégia de cut first (aí gera os binários) mean later (aí gera os consensos, ou um consenso) e fecha. daí a figura (figuraaaaaaaa :party_parrot:) ficaria só com duas colunas- do raw para abaixo, e do raw para o binario e daí para abaixo

ensemble

• ler a tabela das estatísticas médias
• deve ter um jeito de selecionar o melhor algoritmo de acordo com alguma métrica uma opção “best” uma opção “métrica” Só ficou best por uma métrica enquanto
• implementar PCA (é basicamente pegar todos os final, fazer um PCA, extrair o primeiro eixo -> to editando aqui bestamente nao importa nao termos este histórico
• quais consensos fora uma média (ponderada ou não) implementar?
• marmion…
• acabou sendo “best”, “average”, “weighted_average”, “median”, “pca” e um “frequency”, “consensus” .(que é a média dos binários, um consenso mesmo
• está faltando uma seleção por performance metric (booleano?)
• está com muito código repetido, comentado
• está com parametros demais (velhos) tirar
• não está devolvendo um stack mas só fazendo um por vez- dá até para deixar assim, na real, mas não é o que fazemos u_u. tipo a pessoa sempre pôde usar c("metodo2", "metodo4") ou qualquer vetor de nomes que preferisse.
• vignette atualizada
• 191126: AVALIAR ESTES ENSEMBLES. ler sdmdata. rodar evaluate, threshold para cada particao gerar as mesmas tabelas:facepalm:

sobre parametrizaçao e uso do HD - a gente sempre faz opcional a escrita de alguns outputs.
todos os pngs são opcionais (plot_sdmdata, write_png, write_final, write_ensemble (+ write_map + write_occs) às vezes os rasters - write_buffer, write_bin_cut. os rasters dos raw, final e ensemble não são opcionais.
Acho que a gente deveria usar write_png para todos ou png_sdmdata, png_any, png_final, png_ensemble. write sempre me causa a confusão de estarmos escrevendo os modelosem tif no disco.
então:

• png_sdmdata, png_partitions, png_final, png_ensemble

TESTES

• projeção do_any
• final_model de projecao
• ensemble de projecao
• testar de fato todos os parâmetros
• tipos de buffer e suas combinações
• algoritmos - o que houve com rf e brt e equalize? issue Error in sample.int(length(x), size, replace, prob) : cannot take a sample larger than the population when 'replace = FALSE' #33
• thresholds - o que acontece se ele pega um NA?
• parâmetros de final (para final inventei um test complicado que usa qualquer combinação das opções estava funcionando ¯_(ツ)_/¯ )
• o novo ensemble

Firulas not firulas

• checks
• Travis
• codecov
• Remover maxent da vinheta (editar readme também :P)
• Remover maxent de testthat e exemplos
• remover glm também