面向单餐牛肉食用品质的正则化预测模型
统计方法学
2022-07-07 v1 应用统计
摘要
面对不断变化的市场与演进的消费者需求，牛肉产业正投资于分级系统以最大化其整个供应链的价值提取。 Meat Standards Australia(MSA)系统是一个以客户为导向的全面质量管理系统，因预测由指定烹饪方法加工的特定肌肉的品质等级而在国际上脱颖而出。当前支撑MSA系统的模型需要繁重的估计工作，且在不平衡数据集（许多“肌肉×烹饪”组合观测极少和/或可获取的适口性预测因子很少）存在时，其预测性能可能不够准确。本文提出一种新颖的牛肉食用品质预测方法，桥接了一系列肌肉×烹饪特定模型。在一个极端，每个肌肉×烹饪组合被独立建模；在另一极端，跨所有肌肉×烹饪组合获得一个池化预测模型。通过数据驱动的正则化方法，我们覆盖了该谱系上所有肌肉×烹饪特定模型。我们证明所提预测方法在独特的MSA数据集上相对于独立或池化方法取得了可观的精度提升。
引用
@article{arxiv.2207.02362,
title = {Regularized Predictive Models for Beef Eating Quality of Individual Meals},
author = {Garth Tarr and Ines Wilms},
journal= {arXiv preprint arXiv:2207.02362},
year = {2022}
}
备注
26 pages, 5 figures