基于朴素贝叶斯和随机森林的作物产量预测
机器学习
2024-04-25 v1 人工智能
摘要
本研究分析了印度 1997 年至 2020 年的作物产量预测，聚焦于各种作物和关键环境因素。旨在利用诸如线性回归、决策树、KNN、朴素贝叶斯、K 均值聚类和随机森林等高级机器学习技术来预测农作物产量。通过数据可视化，模型，特别是朴素贝叶斯和随机森林，显示出高度的有效性。研究得出结论，整合这些分析方法显著增强了作物产量预测的准确性和可靠性，为农业数据科学提供了重要贡献。
引用
@article{arxiv.2404.15392,
title = {Na\"ive Bayes and Random Forest for Crop Yield Prediction},
author = {Abbas Maazallahi and Sreehari Thota and Naga Prasad Kondaboina and Vineetha Muktineni and Deepthi Annem and Abhi Stephen Rokkam and Mohammad Hossein Amini and Mohammad Amir Salari and Payam Norouzzadeh and Eli Snir and Bahareh Rahmani},
journal= {arXiv preprint arXiv:2404.15392},
year = {2024}
}