典型文献
基于XGBoost算法的山东烟叶质量预测模型初探
文献摘要：
为挖掘烟叶化学成分与感官质量之间的关系,探究机器学习算法在烟叶质量评价领域的应用效果,以山东烟叶为试验材料,开展了常规成分、生物碱、有机酸、多酚和单双糖等20项主要化学成分检测和感官质量评价,并根据感官质量优劣将其划分为好、中、差3个质量档次.利用遗传算法对XGBoost进行超参数寻优,建立了基于化学成分的山东烟叶质量档次预测模型,同时引入SHAP value模型解释框架进行全局解释与特征依赖分析.所建预测模型对山东烟叶质量档次判别准确率为85％,尤其对第3质量档次识别效果最佳.SHAP value全局解释表明,影响山东烤烟质量的7个特征指标贡献度排名为:酸酚比>蔗糖>氯>烟碱>降烟碱>柠檬酸>糖碱比,其中糖碱比、蔗糖、酸酚比分别为好、中、差质量档次判别贡献最大的化学指标.基于XGBoost算法的山东烟叶质量预测模型在烟叶质量档次判别应用中有效、可靠、可解释性强,对于烟叶质量评价和烟叶生产具有一定指导意义.
文献关键词：
山东烟叶;XGBoost;机器学习;SHAP value;质量预测
中图分类号：
作者姓名：
别瑞;周婷云;周显升;姜滨;周永;邱军;曹建敏
作者机构：
中国农业科学院烟草研究所,青岛 266101;中国农业科学院研究生院,北京 100081;香港大学理学院统计与精算系,香港 999077;山东中烟工业有限责任公司技术中心,济南 250013;中国烟草总公司山东省公司,济南 250013;山东日照烟草有限公司,山东日照 276800
文献出处：
引用格式：
[1]别瑞;周婷云;周显升;姜滨;周永;邱军;曹建敏-.基于XGBoost算法的山东烟叶质量预测模型初探)[J].中国烟草科学,2022(05):80-86,93
A类：
单双糖
B类：
XGBoost,山东烟叶,烟叶质量,质量预测,烟叶化学成分,感官质量,机器学习算法,常规成分,生物碱,有机酸,多酚,主要化学成分,成分检测,档次,超参数寻优,SHAP,value,模型解释,解释框架,全局解,烤烟,特征指标,指标贡献度,蔗糖,烟碱,柠檬酸,化学指标,可解释性,烟叶生产
AB值：
0.288013
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。
