Design and Implementation of an Ensemble Learning Based Decision Support Model for Crop Selection in Precision Agriculture
提出SCR-XGB五层框架，用梯度提升树集成从土壤和气候参数推荐作物。
2 个信源阅读 2
关键词 · 相关资讯与研究
#XGBoost
沿着“XGBoost”继续探索，共 0 条内容。
你可能还想看
没有这个标签，内容接近Image-Based Soil Nutrient Prediction Using Machine Learning and Deep Learning Models
用土壤图像结合机器学习与深度学习模型预测氮磷钾含量。
阅读 1
[预印本]AlphaEarth表征在作物分类中的评估：可分性、时间动态与跨区域迁移
评估AlphaEarth嵌入用于作物分类，比较其可分性、时间动态与跨区域迁移能力。
阅读 4
Exploratory Explainable Machine Learning for Crop-Yield Interpretation: A Comparative Analysis of XGBoost, LightGBM, and CatBoost
比较XGBoost、LightGBM和CatBoost在作物产量可解释建模中的表现，强调评估协议与数
阅读 2
Machine learning based precipitation modeling using multi satellite data for climate resilient water resource management in Bundelkhand India
用多源卫星数据和机器学习预测印度半干旱区降水，XGBoost优于CNN。
阅读 0
Reconstruction of all-weather land surface temperature using XGBoost and spatio-temporal models with multi-source data fusion
提出XGBoost与时空邻接模型融合的全天候地表温度重建框架，生成京津冀1km无缝LST数据集。
阅读 1
Machine Learning-Based Crop Yield Forecasting Using Environmental and Agricultural Parameters
用机器学习集成方法预测作物产量，比较七种回归算法，发现Bagging效果最佳。
阅读 4
Architecture diverse TabNet ensemble for crop type classification using harmonized multisource soil data（基于多源土壤数据融合的架构多样性TabNet集成作物类型分类）
构建架构多样性TabNet集成，用多源土壤数据分类7类作物。
阅读 0