基于数据驱动方法识别建立可持续农业旅游中心的关键特征
机器学习
2025-09-12 v1 计算与语言
摘要
农业旅游作为一种战略性经济模式，旨在通过多元化当地社区（如农民）的收入来源，同时促进对本土文化遗产和传统农业实践的保护来推动农村发展。作为一个 rapidly 发展的子领域，亟需详细研究农业旅游的增长策略。当前研究确定了促进农业旅游增长和提升的重要指标。该研究分为两个阶段：通过综合文献综述识别重要指标，在第二个阶段采用最新技术来识别促进农业旅游增长的重要指标。这些指标在此语境下也称为特征。应用用于特征选择的机器学习模型，并观察到最小绝对收缩与选择算子（LASSO）方法结合逻辑回归（LR）、决策树（DT）、随机森林（RF）树和极端梯度提升（XGBOOST）模型用于建议农业旅游的增长。结果显示，在 70-30% 的 train-test 数据中，LASSO 方法结合 LR 模型实现 98% 的最高分类准确率，随后是 RF 实现 95% 的准确率。同样，在 80-20% 的 train-test 数据中，LR 保持最高的 99% 准确率，而 DT 和 XGBoost 紧随其后，分别实现 97% 的准确率。
引用
@article{arxiv.2509.09214,
title = {Identifying Key Features for Establishing Sustainable Agro-Tourism Centre: A Data Driven Approach},
author = {Alka Gadakh and Vidya Kumbhar and Sonal Khosla and Kumar Karunendra},
journal= {arXiv preprint arXiv:2509.09214},
year = {2025}
}