人工智能算法比较和排名用于羊的体重预测

科学领域:

• 农业科学 农业科学
• 数据科学数据科学数据科学
• 机器学习 机器学习

背景情况:

• 农场数据的指数增长需要先进的分析解决方案.
• 人工智能 (AI) 提供了强大的能力来处理农业中的大型,非线性和杂的数据集.
• 传统的数据分析方法有局限性,人工智能没有面临.

研究的目的:

• 为了比较和排名流行的机器学习 (ML) 算法用于绵羊养殖场数据预测.
• 评估ML模型在11年内对绵羊体重的预测准确度.
• 确定最有效的ML技术,以加强农场管理和粮食安全.

主要方法:

• 数据预处理包括清洁,准备和Winsorization以删除异常值.
• 应用了尺寸缩小技术,如主要组件分析 (PCA) 和特征选择 (FS).
• 评估了11个ML算法,使用PCA,PCA+FS和FS创建数据集,用于体重预测.

主要成果:

• 马斯算法在真正和预测的绵羊体重之间实现了最高的相关性 (0.993).
• 贝叶斯脊回归 (0.992) 和脊回归 (0.991) 也显示出高的预测准确度.
• 预测体重的前五个表现最好的算法是MARS,贝叶斯脊回归,脊回归,支持向量机器和梯度增强算法.

结论:

• 机器学习技术为羊的体重提供了准确的预测,有助于农场管理.
• 这些ML模型可以支持对经济繁荣和绩效改进的数据驱动推断.
• 准确的农场预测有助于通过优化农业实践增强粮食安全.