ajcanepa / hominin_skeletal_part_abundances Goto Github PK

Tareas a completar tras la reunión

• Leer la documentación básica de R #1
• Verificar la duplicidad de los datos disponibles Artículo PNAS, como en el set Lian Bua_Layer R.
• Verificar que yacimientos con nombre muy parecido son considerados diferentes o no.
• Agregar al conjunto de datos, tanto de baja resolución (disponible) como el de alta resolución (CENIEH) información adicional interesante como:
• Agregar el número de individuos (n)
• Agregar Antigüedad de los yacimientos
• Decidir con Nohemí las características (ojalá comunes a todos los yacimientos) que afecten la proporción de huesos para tenerles controlado.

Tareas a completar

• Elaborar tabla con batería de pruebas ( Datasets / algoritmos / atributos algoritmos / label?)
• Trasladar esta batería de pruebas a una receta en Tidymodels
• Consultar a Noemí la aproximación de normalizar por %MAU o %MMI...

Dejaré en este Issue algunas referencias claves para familiarizarse con R y sus paquetes. El listado irá desde lo más simple a lo más complejo.

Basics of R

• El repositorio fasteR muestra la base del lenguaje R. Les recomiendo leer de este repositorio hasta la Lesson 13.
• Una vez aprendido lo básico de los objetos de R, deberemos introducirnos a los paquetes de procesamiento y análisis de datos del así llamado Tidyverse.
• Para esto utilizaremos la ayuda de dos libros gratuitos online:
• R for Data Science . Este libro cubre la aproximación tidyverse que veremos más adelante. Además, muestra una introducción a los paquetes de procesamiento y manejo de datos dplyr y de visualización gráfica ggplot2. Adicionalmente se puede ampliar con el libro Advanced R.

Machine Learning en R

• El recurso más sencillo que agregaré será el Tidymodels, que con una filosofía similar a Tidyverse permite generar workflows para entrenar, diagnosticar, evaluar diferentes algoritmos. Este conjunto de paquetes se acompana del siguiente libro online Tidy Modeling with R.

• Con un nivel de complejidad un poco mayor está el paquete de R llamado caret, disponible en el CRAN y en su Repo en github. Este paquete permite el entrenamiento en clasificación y regresión y está acompañadpo por un libro gratruito online.

• El paquete mlr3 es el de mayor complejidad y puede ser consultado en mlr3. La documentación de este paquete también se ofrece como un libro online gratuito o en su Repo de GitHub. Una lista de las funciones y paquetes de este ecosistema se puede ver aquí o en la siguiente imagen:

Paleo con R

• Existe una reciente aproximación llamada paleoverse, basada en el artículo palaeoverse: A community-driven R package to support palaeobiological analysis. Tanto en el repositorio CRAN como en el Repo de Github, hay documentación disponible. Incluso existe una comunidad en X-Twitter. Creo que no hay que perderle de vista de cara a publicar/colaborar con ellos 💡

• Crear tabla con combinaciones de experimentos (en Excel o directamente en R)
• Futuro: Hablar con CENIEH sobre una posible taxonomía para definir jerarquía de categorías (en la nueva clasificación definida hay algunas con 1 sola muestra)

Dándole un par de vueltas a los potenciales conjuntos de datos que tenemos y a una idea que sugirió Ana (@asermam ), quizás sería interesante analizar los metadatos asociados a los conjuntos de huesos y ver si existen variables importantes que determinen las estructuras óseas determinadas.

Hace poco he dado un curso en el que revisando los métodos multivariantes, he visto que el CRAN Task View: Analysis of Ecological and Environmental Data está actualizado hace poco (diciembre de 2023) y en el que se incluyen varias aproximaciones que podríamos considerar.

Jonas (@JonasGrabbe) crees que sería posible conseguir metadatos de los yacimientos? Al final casi todos ellos están explorados y hay varios grupos trabajando en esos datos, a lo mejor podríamos conseguir algunos metadatos del tipo:

• Temporal como la antigüedad (eso ya lo habñiamos visto)
• Geomorfológicos (estratos y química de las piedras donde se ha encontrado)
• Tipo de enterramiento (creo que esto también lo tenemos)
• Bioma reconstruido
• Especies asociadas a los yacimientos....

Lo dejo establecido simplemente para que no se nos olvide, lo hablamos mañana.

• Preparar pequeña presentación para reunión con CENIEH (3 slides suficiente)

• Pasos seguidos hasta ahora ( hemos llegado a reproducir sus resultados y mejorarlos)

• Resumen de resultados en una tabla

• Resumen balanceo de clases

BLOQUE 1: Comparación de yacimientos:

• descripción del conjunto de datos
• definición de aproximaciones y metodología
• descripción entre yacimientos

BLOQUE 2: Nº de huesos y proporción de huesos y su relación con la densidad (Metodología de Subi)

• http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1850-373X2006000100020#fig3

BLOQUE 3: Clasificación del tiempo en el que se realizan las fracturas: PERI-MORTEN y POST MORTEM

• MCA
• Probar con alguno más y ver si hay diferencias sustanciales de resultados ( KNN, ...)
  Paper enviado por Nohemí: https://link.springer.com/article/10.1007/s12520-019-00815-6

Revistas candidatas:

• https://besjournals.onlinelibrary.wiley.com/journal/2041210X
• https://www.sciencedirect.com/journal/softwarex
• https://www.jstatsoft.org/index

De cara a mantener el repositorio:
(coger como referencia Paleoverse https://github.com/palaeoverse/palaeoverse)

• Gestión de ramas (al menos separar del main una rama de desarrollo, y al menos una por cada feature que vayamos a implementar)
• Añadir Vignettes para conseguir más citas