재배 생산성 증진, 토양 비옥도부터 살펴야

제안된 모델의 주된 목적은 높은 정확도와 더 적은 시간으로 이용 가능한 토양 정보 viz, 토양 유형 및 토양 비옥도 수준에 근거하여 적절한 작물을 예측하는 데 사용된다.

제안된 모델을 훈련하기 위한 훈련 세트에 데이터의 25%를 가져왔고 나머지 데이터는 시험 세트로 처리된다. 이 작업은 기존의 다른 알고리즘과 비교되고 또한 다음을 통해 정확도를 측정한다.

여기서 TP(True Positive)는 인스턴스가 양인 정확하게 분류된 인스턴스의 수를 나타내고, TN(True Negative)은 음인 인스턴스의 수를 나타내고, FP(False Positive)는 양인 인스턴스의 수를 나타내고, FN(False Negative)은 다음을 나타낸다.e 인스턴스가 음수인 잘못 분류된 인스턴스 수. 모델의 성능은 위의 공식(4.1)을 사용하여 평가할 수 있다. 제안된 방법은 정확한 예측을 할 수 있는 능력을 가지고 있다.

토양 데이터 세트의 처리 전 단계 결과를 나타낸다. 사전 처리 중에 토양 데이터 세트의 결측값을 파악한 다음, 일부 데이터는 평활 및 빈닝 방법으로 교체하여 일부 데이터를 제거한다. 누락된 값을 제거하기 전에 원시 데이터에는 25,000개의 레코드가 포함되어 있다.

그 과정에서 일관성이 없는 데이터, 오류 데이터, 누락된 값이 교체 및 제거되었다. 토양 시험 보고서를 사전 처리한 후, 데이터 세트는 15개의 속성과 비루드후나가르 구의 총 24,980개의 인스턴스를 가진다. 기존의 방법은 출산율을 찾는데 많은 시간이 걸린다. 따라서, 더 적은 시간으로 더 나은 결과를 찾을 수 있는 새로운 자동화된 신뢰할 수 있는 방법이 필요하다. 추가 분류 과정을 위해 사전 처리된 토양 데이터 세트를 수집했다.



김철호 기자 fire@thekpm.com