文献

J-GLOBAL ID：202202279947930771   整理番号：22A1039739

コムギ生産性のためのサンプルサイズ,統計的および機械学習技術の統合による重心クラスタリングによる予測モデル最適化批判【JST・京大機械翻訳】

A Prediction Model Optimization Critiques through Centroid Clustering by Reducing the Sample Size, Integrating Statistical and Machine Learning Techniques for Wheat Productivity

著者 (2件)： Islam Muhammad (Department of Statistics, The Islamia University of Bahawalpur, Bahawalpur, Pakistan) ,  Shehzad Farrukh (Department of Statistics, The Islamia University of Bahawalpur, Bahawalpur, Pakistan)
資料名： Scientifica (Web)  (Scientifica (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7866A  ISSN： 2090-908X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 機械学習アルゴリズムは,急速に展開し,様々な分野でマニホールドブレークスルーを作った。アルゴリズムの最適化は,与えられたデータのための重要な方法でパラメータを学習できる機械学習モデル(MLM)を展開するためのコアコンポーネントである研究者の豊富な注目を得た。持続可能な農業政策を進化させるための重要な作業は,不可な農業制約による作物生産性のモデリングである。26430(D1)作物カット実験の断面データセットを,作物報告サービスから収集した第2段階領域フレームサンプリングによって採取した。本研究は次の通りである。最初に,3つのより有効な数値最適化データセット(D1,D2,およびD3)を,サンプルサイズを減少させる特徴の重心点を取り入れることによって,D1から作り出す。第2に,MLMは多重線形回帰(MLR)のための従来の統計モデル(TSM)と統合され,第3決定木回帰(DTR)とランダム森林回帰(RFR)は,評価計量(R2,RMSE),重み(AIC_W),証拠比(E.R),および予測誤差の分解を用いて,モデルをテストするために,75%のデータセットでコムギ生産性を良く予測することができる最適化モデルを得るために展開された。MLRはTSMよりMLMで優れていた。MLMとTSMの性能能力は,生成されたデータセットのために得られた。RFRは,D1,D2,D3,およびD4に対して最適化し,スーパーフォームした。本研究は,従来の統計的モデリングの代替法として,コムギ生産性の予測にMLMを展開するための強い証拠を示した。Copyright 2022 Muhammad Islam and Farrukh Shehzad. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *統計 ,  農作物 ,  *コムギ ,  *重心 ,  *クラスタ化 ,  モデリング ,  *モデル ,  パラメータ ,  持続可能な農業 ,  *機械学習 ,  学習アルゴリズム ,  予測誤差 ,  *予測モデル
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (46件)：

• D. Elavarasan, P. D. R. Vincent, "A reinforced random forest model for enhanced crop yield prediction by integrating agrarian parameters," Journal of Ambient Intelligence and Humanized Computing, vol. 12, no. 11, pp. 10009-10022, 2021.
• M. Islam, F. Shehzad, M. Omar, "Modeling wheat productivity using hierarchical regression: a way to address food security concerns," Ilköğretim Online, vol. 20, no. 2, 2021.
• S. A. Shoaib, M. Z. K. Khan, N. Sultana, T. H. Mahmood, "Quantifying uncertainty in food security modeling," Agriculture, vol. 11, no. 1, pp. 33, 2021.
• M. Islam, "Factors affecting major food crops production a case study of District Bahawalpur," 2017.
• G. C. Nelson, M. W. Rosegrant, A. Palazzo, I. Gray, C. Ingersoll, R. Robertson, C. Ringler, Food Security, Farming, and Climate Change to 2050: Scenarios, Results, Policy Options, vol. 172, International Food Policy Research Institute, Washington, DC, USA, 2010.

タイトルに関連する用語 (9件)： コムギ ,  サンプルサイズ ,  統計 ,  機械学習技術 ,  統合 ,  重心 ,  クラスタリング ,  予測モデル ,  最適化