典型文献
基于集成学习的重大活动肉及肉制品安全风险分析及预测
文献摘要：
目的 建立集成学习Stacking模型,对重大活动举办过程中的肉及肉制品进行合格安全分析与风险预测预警.方法 通过收集2015—2020年间国家市场监督管理总局食品日常监督管理抽检数据,筛选出所有肉及肉制品相关数据,选择"食品亚类""规格""生产时间""生产企业类型""生产省份""是否异地运输"等字段信息作为肉及肉制品合格风险因子,选取所有不合格数据5866条,从所有合格数据中随机抽取10000条数据共15866条构成数据集,按照3:1划分训练集和测试集,搭建基学习器为K最近邻(K-nearest neighbor,KNN)、反向传播(back propagation,BP)神经网络、支持向量机(support vector machines,SVM),元学习器为逻辑回归(logistics regression,LR)的Stacking预测模型,进行训练预测与模型评估.结果 经过5次训练后,模型的准确度为94.20％,精确度为93.78％,召回率为97.57％,F1参数为95.63％,模型鲁棒性强,可靠性高.结论 基于集成学习Stacking的肉及肉制品安全风险分析与预测预警模型整体性能良好,可应用于重大活动举办过程中的食品安全风险分析预测,并精确指导监督抽检与辅助决策情报研判.
文献关键词：
重大活动;肉及肉制品;集成学习;安全分析;风险预测
中图分类号：
作者姓名：
史运涛;任鹏;李书钦;周萌;李杰
作者机构：
北方工业大学现场总线技术及自动化北京市重点实验室,北京 100144
文献出处：
引用格式：
[1]史运涛;任鹏;李书钦;周萌;李杰-.基于集成学习的重大活动肉及肉制品安全风险分析及预测)[J].食品安全质量检测学报,2022(16):5374-5381
A类：
B类：
集成学习,重大活动,肉及肉制品,Stacking,安全分析,风险预测,市场监督管理,总局,日常监督,抽检数据,品相,亚类,生产时间,生产企业,企业类型,异地,字段,风险因子,不合格,随机抽取,条数据,训练集,测试集,基学习器,最近邻,nearest,neighbor,KNN,反向传播,back,propagation,support,vector,machines,元学习,逻辑回归,logistics,regression,LR,模型评估,召回率,模型鲁棒性,可靠性高,预测预警模型,整体性能,食品安全风险分析,分析预测,指导监督,监督抽检,辅助决策,情报研判
AB值：
0.418192
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。
