典型文献
基于随机森林预测西洋参药材的生长年限
文献摘要：
目的:采用随机森林算法,结合西洋参的理化性质,建立精准预测西洋参生长年限的机器学习模型,为市场上西洋参年限鉴定提供工具.方法:以前期收集的106批2～4年的西洋参样品为基础,采用西洋参醇溶性浸出物含量、人参皂苷Rb1含量、西洋参长度等9种理化特征作为数据特征进行分析.按照随机分割方法将数据集分为训练集和验证集,使用随机森林算法进行建模,并以多元线性回归作为对照模型,分别进行训练和验证.对所有特征的重要性进行分析和筛选,采用筛选后的特征再次进行建模,评估模型的准确性.结果:初步建模结果表明,随机森林模型预测准确度优于多元线性回归,特征重要性分析表明,长度、重量、醇溶性浸出物含量、水溶性浸出物含量、人参皂苷Rb1含量5种理化性质的重要性较高.使用筛选后的特征再次建模,得到改进后的随机森林模型.改进后的模型较原始模型准确性均有一定的提升:验证集上的均方误差为0.017,决定系数为0.950,可用于鉴别2～4年生西洋参.结论:基于我国规范化种植的不同生长年限的西洋参样品,建立了生长年限判定的数学统计分析方法.该方法快速、准确、可靠,可作为西洋参生长年限判断的依据,从而为西洋参质量评价提供了新的研究思路.
文献关键词：
西洋参;生长年限预测;随机森林;多元线性回归;浸出物;人参皂苷
中图分类号：
作者姓名：
胡笑文;严华;魏锋;马双成
作者机构：
中国食品药品检定研究院,北京102629
文献出处：
引用格式：
[1]胡笑文;严华;魏锋;马双成-.基于随机森林预测西洋参药材的生长年限)[J].药物分析杂志,2022(08):1418-1423
A类：
生长年限预测
B类：
西洋参,随机森林算法,精准预测,机器学习模型,期收,醇溶性浸出物,人参皂苷,Rb1,理化特征,数据特征,分割方法,训练集,验证集,随机森林模型,预测准确度,特征重要性分析,水溶性浸出物,均方误差,决定系数,规范化种植,学统,统计分析方法
AB值：
0.159469
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
