马铃薯品种的预测分析
机器学习
2025-01-08 v4 机器学习
摘要
我们探讨了机器学习算法的应用，以增强对俄州马铃薯克隆品种在育种试验中选择过程的预测能力，从而预测其是否适合推进。该研究解决了高产、抗病和抗气候变化的马铃薯品种如何符合加工业标准这一挑战。本研究利用来自俄州试验的手动收集数据，调查了广泛的先进二分类模型的潜力。数据集包括1086个克隆品种，每个克隆品种记录38个属性，重点关注产量、大小、外观及炸薯特性，在2013-2021年四个俄州地区持续种植的若干控制品种。我们对数据集进行全面分析，包括预处理、特征工程和缺失值填补。我们关注诸如准确率、F1分数和马茨森相关系数(MCC)等关键指标用于模型评估。表现最佳的模型包括神经网络分类器(Neural Net)、基于直方图的梯度提升分类器(HGBC)和支持向量机分类器(SVM)，显示出一致且显著的结果。为进一步验证我们的发现，我们进行了模拟研究。通过模拟不同的数据生成场景，我们通过真阳性、真阴性、假阳性和假阴性分布，评估模型的鲁棒性和性能，包括受试者工作特征曲线下面积(AUC-ROC)和MCC。模拟结果表明，诸如SVM和HGBC等非线性模型在各种分布下都比逻辑回归(LR)在AUC-ROC和MCC上表现更高，因而在各种情况下都优于传统线性模型，强调了在农业试验中模型选择和调优的重要性。
引用
@article{arxiv.2404.03701,
title = {Predictive Analytics of Varieties of Potatoes},
author = {Fabiana Ferracina and Bala Krishnamoorthy and Mahantesh Halappanavar and Shengwei Hu and Vidyasagar Sathuvalli},
journal= {arXiv preprint arXiv:2404.03701},
year = {2025}
}
备注
Minor revision; to appear in Crop Sciences