РАЗРБОТКА МОДЕЛИ АНСАМБЛЕГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ПОДХОДЯЩИХ КУЛЬТУР ДЛЯ ПОСЕВА

Аннотация

По всему миру сельское хозяйство является основной отраслью продовольственного обеспечения населения и играет важную роль в экономике нашей страны. В Республике Казахстан имеется 25,7 млн. гектаров пахотных земель. Одним из способов его эффективного использования является использование возможностей современных технологий, в том числе направлении искусственного интеллекта - машинное обучение. Использование возможностей машинного обучения в сельском хозяйстве может способствовать повышению эффективности, оптимизации процессов, определению подходящих культур для выбранного место, прогнозированию урожайности, защите растений от вредителей и т. д. помогает решать важные для фермеров задачи. В этой статье было рассмотрено решение задачи прогнозирования подходящих культур для посева, в зависимости от состава почвы и количества осадков, путем объединения нескольких методов машинного обучения в ансамбль. Для создания ансамблевой модели были проведены различные тесты  более 10 методов машинного обучения. В результате теста методы дерева решений, логистическая регрессия, классификатор Наивного Байеса, классификатор K-Nearest Neighbours и многослойный персептрон показали более высокую точность. Эти методы были объединены в ансамблевую модель с помощью стекинга и были получены две новые ансамблевые модели Stacking with ML models и Stacking with ML and NN models.  Показатели точности нсамблевых моделей составили соответственно Stacking with ML models - 99,95%, Stacking with ML and NN models - 76,9%.