数据集概述
本数据集为论文“Environmental and ecological signals predict food shortages for subtropical Australian flying fox populations, reservoir of Hendra virus”的支持信息，包含1996-2022年澳大利亚亚热带飞狐食物短缺预测的相关数据、配置文件、脚本及笔记本。数据用于通过机器学习模型（GBDT、GLM）预测飞狐食物短缺月份，为亨德拉病毒溢出风险防控提供依据。
文件详解
- 根目录压缩包：
flying-fox-food-shortage.zip，格式ZIP，包含所有子目录及文件
- 数据目录（data）：
bat-level_data.csv，格式CSV，蝙蝠层面输入输出数据（如救助中心蝙蝠数量、体重）environmental_data.csv，格式CSV，气候生态输入输出数据（如季节、厄尔尼诺指数）- 配置目录（config）：
bat_features.txt，格式TXT，GBDT模型用蝙蝠层面特征名称env_features.txt，格式TXT，GBDT模型用环境层面特征名称rename.txt，格式TXT，绘图用重命名字典- 脚本目录（scripts）：
HyperparameterTuning.py，格式PY，网格搜索超参数与交叉验证Metrics.py，格式PY，计算模型准确率、混淆矩阵等性能指标Plots.py，格式PY，生成建模及可解释AI相关图表- 笔记本文件：
FlyingFoxFoodShortage.ipynb，格式IPYNB，GBDT模型的数据预处理、训练、推理、评估及绘图FlyingFoxGLM.ipynb，格式IPYNB，GLM模型的数据预处理、训练、推理、评估及绘图- 依赖文件：
requirements.txt，格式TXT，项目所需依赖包清单
数据来源
论文“Environmental and ecological signals predict periods of nutritional stress for Eastern Australian flying fox populations”（bioRxiv，DOI:10.1101/2023.12.01.569640）
适用场景
- 生态预测建模：利用气候、蝙蝠特征数据训练飞狐食物短缺预测模型
- 亨德拉病毒溢出风险防控：基于食物短缺预测结果制定病毒传播干预策略
- 机器学习模型优化：通过超参数调优脚本提升GBDT、GLM模型预测性能
- 生态特征分析：探究季节、厄尔尼诺指数等环境因素对飞狐食物资源的影响
- 生物医学数据可视化：使用绘图脚本生成模型结果及特征重要性相关图表
