基于集成学习预测稻米镉的可解释性分析

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：本研究针对我国南方稻米主产省，采集涵盖土壤-稻米系统的303组配对样本，为解决传统方法在大尺度异质数据中的泛化瓶颈，提出“多尺度特征工程-混合评估策略-可解释性验证"的创新框架：首先基于方差过滤与递归特征消除（RFE）筛选出8项核心指标，然后采用极端梯度提升（XGB）算法，并对比随机森林（RF）、支持向量机（SVM）等模型的分类性能，最终引入SHAP（Shapleyadditiveexplanations）解析模型决策机制，揭示特征交互效应与非线性阈值规律。（剩余10823字）

试读结束

目录
monitor
客服机器人