機械学習を使用した効率的な作物収量予測システム

農業は、どの国の経済を強化する最大の要因と考えられています。また、GDP成長にも重要な影響を与えます。しかし、情報や相談の不足により、農家は毎年多大な作物損失に苦しんでいます。通常、農家は作物病害を検出するために農業担当者に相談します。しかし、農業担当者が経験に基づいて行う予測の正確性は常に信頼できるわけではありません。問題が適切な時期に特定されなければ、重大な作物損失につながります。この問題に対処するために、歴史データに基づいて計算知能、つまり機械学習を適用できます。本研究では、さまざまな回帰ベースのアルゴリズムを用いて知的な作物収量予測アルゴリズムを開発しました。モデルトレーニングと評価にはKaggleリポジトリからの作物収量予測データセットが使用されます。すべての異なる回帰手法の中で、ランダムフォレストがR2スコアやその他の誤差の観点で優れた性能を示しました。