arXiv cs.AI· Saptak Das, Arijit Sarkar, Soumik Neogi, Suborno Naskar·· 13 小时前AI 评分12
用回归模型预测作物产量：五种模型性能对比评估
Crop Yield Prediction Using Regression Models: A Comparative Evaluation of Model Performance
AI 导读
一项 arXiv 研究用 100 万条观测、10 个变量对比了多元线性回归、随机森林、决策树、ridge 与 lasso 五种回归模型的作物产量预测表现。
正文 · AI 翻译
摘要：可靠的作物产量预测可为农业规划和资源分配提供支持。本研究评估了五种回归模型，用于根据环境、作物相关和农业管理变量预测作物产量。数据集最初包含 1,000,000 条观测和十个变量，预处理期间移除了 231 条目标值为负的观测。分类变量采用独热编码表示，布尔变量转换为二进制值。所考虑的模型包括多元线性回归（LR）、随机森林回归（RF）、决策树回归（DT）、岭回归和套索回归。基于决定系数（R 平方）、均方误差（MSE）和均方根误差（RMSE），采用 80:20 和 70:30 的训练-测试划分评估其性能。采用 80:20 划分时，LR 的测试 R 平方约为 0.9130，测试 RMSE 为 0.5008。采用 70:30 划分时，套索回归取得了最高的测试 R 平方（约 0.9131）和最低的测试 RMSE（约 0.5008），性能与 LR 和岭回归几乎相同。DT 在 70:30 划分下也表现出测试性能提升，而 RF 在训练与测试性能之间表现出显著差距。这些结果表明，所评估的线性回归模型为该数据集提供了有竞争力的基线。进一步的实验（包括验证测试）将有助于确定模型的性能和可预测性。
| 评论： | 使用回归模型进行作物产量预测的实验评估 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37022 [cs.LG] |
| （或 arXiv:2610.37022v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37022 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Saptak Das 先生 [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 10:58:16 UTC（11 KB）
来源：arXiv cs.AI · arxiv.org