✦
✦
✦
农业类项目案例
课程链接
https://www.qingjiaoclass.com/market/detail/62908
课程介绍
农业是关系国计民生的基础产业，聚焦人工智能在农业领域的实践和应用，在激活农业高效发展中发挥着巨大作用。
本课程为学生提供农业领域人工智能方向的技术和应用，让学生掌握使用常见的机器学习工具，根据不同农业场景需求进行分析建模，来解决农业领域的问题。通过理论与实践相结合的方式进行学习，深入探讨不同特征处理方法对模型效果的影响，在项目中加深对算法的理解。
课程目标
熟练使用不同机器学习模型
培养学生文本数据处理和分析能力
掌握数据探索、可视化的方法
具备选取特征、搭建模型的能力
技能要点
Box-Cox变换 | 线性模型 |
时间特征处理 | 支持向量机模型 |
多重共线性检验 | LightGBM模型 |
特征多项式构造 | 随机森林模型 |
特征降维 | K均值模型 |
特征筛选 | 时间序列模型 |
实训项目
基于线性模型的巴西玉米价格预测
线性模型：用线性模型对巴西玉米价格进行预测，采取构造特征多项式的方式对线性模型进行扩展，用验证曲线的图像选取最优参数。
基于支持向量机算法的小麦种子分类
支持向量机：利用支持向量机算法对小麦种子进行分类，比较特征降维前后模型的分类准确率，选取效果好模型进行调参，获得最优模型。
基于LightGBM算法的牛油果价格预测
LightGBM：使用LightGBM模型对牛油果价格数据进行建模，采用网格化搜索的方式选取最佳参数，对牛油果价格进行预测。
基于单变量时间序列模型的苹果价格预测
单变量时间序列：分别选取二次指数平滑、三次指数平滑、ARIMA模型和LSTM模型对莫斯科苹果价格进行单变量时间序列预测。
基于机器学习算法的农作物种植预测
投票分类器：以感知机、支持向量机、逻辑回归、K近邻、决策树、高斯贝叶斯模型作为基学习器，对农作物种植进行预测。
基于随机森林算法的农作物产量预测
随机森林：采用随机森林模型对农作物产量进行预测，采取特征选择的方式去除特征重要性低的特征后，用网格化搜索进行调参。
探究不同特征提取方式在农业政策文本聚类中的优势
K均值聚类：分别采用不同的文本预处理方式对农业政策文本进行处理，用K均值聚类进行聚类操作，聚类结果用词云图和LDA主题模型进行评估。
基于CNN算法的柠檬品质预测
卷积神经网络：用Keras中的图像预处理类对柠檬图像进行预处理操作，然后用卷积神经网络对柠檬图片进行分类，分类结果用损失函数曲线和准确率曲线进行可视化。
关注“新道工科”公众号，“青椒课堂”平台内容全知道！
新道工科聚焦新IT与工业互联网，涵盖信息安全、工业互联网、大数据、人工智能、区块链、智能网联汽车、智能制造、工业智能等多个专业领域，基于用友集团和新道科技子公司红亚科技的产业与技术优势，不断深化和拓展数智化教学产品和内容，形成覆盖范围更广的课程体系及综合解决方案，为本科、高职、中职院校提供优质教学服务。
扫码关注
新道工科
微信号｜hongyaa-2012
