English(EN) Crop Yield Prediction Using Regression Models: A Comparative Evaluation of Model Performance

回归模型在作物产量预测中表现强劲

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

一项新的研究论文利用包含100万个观测值的数据集，评估了五种用于作物产量预测的回归模型。该研究比较了多元线性回归、随机森林回归、决策树回归、岭回归和套索回归。结果表明，线性回归模型，特别是采用70:30训练测试分割的套索回归，取得了具有竞争力的性能，具有较高的决定系数（R平方）和较低的均方根误差（RMSE），表明它们作为这项农业任务基线的有效性。 AI

影响为农业数据分析的有效回归技术提供了见解，可能改进作物产量预测。

排序理由在arXiv上发表的学术论文，详细介绍了作物产量预测回归模型的比较评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的学术论文，详细介绍了作物产量预测回归模型的比较评估。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Saptak Das, Arijit Sarkar, Soumik Neogi, Suborno Naskar · 2026-10-28 04:00

使用回归模型预测作物产量：模型性能的比较评估

arXiv:2610.37022v1 Announce Type: cross Abstract: Reliable crop-yield prediction can support agricultural planning and resource allocation. This study evaluates five regression models for predicting crop yield from environmental, crop-related, and agricultural management variable…

本文如何被排名

报道来源 [1]

使用回归模型预测作物产量：模型性能的比较评估

相关实体

相关话题