典型文献
基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别
文献摘要：
通过顶空固相微萃取结合气相色谱-质谱联用采集挥发性成分指纹图谱,采用极端梯度提升算法建立回归模型,运用极端随机森林的变量重要性评估、sklearn特征选择模块中的单变量线性回归测试(F_regression)以及连续目标变量的互信息(mutual_info_regression)确定有效建模变量,对白酒的贮存时间进行鉴别.模型的R2评估结果为0.987,预测模型可靠性较好,为白酒酒龄的判断提供了新思路.
文献关键词：
白酒年份;挥发性化合物;特征筛选;机器学习;鉴别
中图分类号：
作者姓名：
刘青茹;孟连君;张晓娟;翟伟绩;柴丽娟;陆震鸣;许泓瑜;王松涛;张宿义;沈才洪;史劲松;许正宏
作者机构：
江南大学生物工程学院,江苏无锡 214122;江南大学粮食发酵与食品生物制造国家工程研究中心,江苏无锡 214122;江南大学生命科学与健康工程学院,江苏无锡 214122;国家固态酿造工程技术研究中心,四川泸州 646000
文献出处：
引用格式：
[1]刘青茹;孟连君;张晓娟;翟伟绩;柴丽娟;陆震鸣;许泓瑜;王松涛;张宿义;沈才洪;史劲松;许正宏-.基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别)[J].食品科学,2022(24):310-317
A类：
info,白酒年份
B类：
指纹图谱,XGBoost,基酒,贮存时间,顶空固相微萃取,挥发性成分,分指,极端梯度提升算法,变量重要性,重要性评估,sklearn,特征选择,回归测试,regression,互信息,mutual,酒龄,挥发性化合物,特征筛选
AB值：
0.351396
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。
