植物育种中亲本产量性能预测：一种神经协同过滤方法
机器学习
2020-05-26 v2 定量方法
应用统计
机器学习
摘要
在植物育种项目中，实验性玉米杂交种通过两个亲本（即所谓自交系与测验种）杂交创建。识别用于杂交的最佳亲本组合具有挑战性，因为亲本可能杂交组合的总数巨大，且由于时间与预算资源有限，测试所有组合并不现实。在2020年先正达作物挑战赛中，先正达发布了若干大型数据集，记录了593个自交系与496个测验种总计约4%的杂交组合在2016至2018年间于280个地点种植的历史产量表现，并要求参赛者基于从其他自交系与测验种杂交收集的历史产量数据，预测尚未种植的自交系与测验种杂交组合的产量表现。本文中，我们提出了一种协同过滤方法，其为矩阵分解方法与神经网络的集成，用以解决该问题。我们的计算结果表明，所提模型显著优于LASSO、随机森林（RF）和神经网络等其他模型。所述方法与结果是在2020年先正达作物挑战赛内产生的。
引用
@article{arxiv.2001.09902,
title = {Predicting Yield Performance of Parents in Plant Breeding: A Neural Collaborative Filtering Approach},
author = {Saeed Khaki and Zahra Khalilzadeh and Lizhi Wang},
journal= {arXiv preprint arXiv:2001.09902},
year = {2020}
}
备注
13 pages, 4 figures