환경 데이터를 기반으로 작물 수확량을 예측하기위한 기계 학습 모델 구축

10 년 동안 농장의 온도, 강수량 및 콩 수확량에 대한 데이터가 포함 된 데이터 세트가 있습니다 (2005-2014). 이 데이터를 바탕으로 2015 년의 수익률을 예측하고 싶습니다.

작물 수확은 작물 재배시기가 끝날 때 발생하기 때문에 데이터 세트에는 온도 및 강수량에 대한 일일 값이 있지만 수확량에 대해 연간 1 개의 값만 있습니다.

지난 몇 년 동안 수율과 온도와 강수량의 관계를 연구하여 얻은 회귀 / 일부 다른 모델을 기반으로 2015 년 수율을 예측하기 위해 회귀 또는 다른 기계 학습 기반 모델을 구축하고 싶습니다.

scikit-learn을 사용하여 기계 학습을 수행하는 데 익숙합니다. 그러나이 문제를 나타내는 방법을 잘 모르겠습니다. 여기서 까다로운 부분은 온도와 강수량이 매일이지만 생산량은 연간 1 값에 불과하다는 것입니다.

어떻게 접근합니까?

우선 전년도 일일 데이터를 기반으로 다가오는 연도의 수익률을 예측할 수 있습니다. 매년 가치있는 데이터를 하나의 "포인트"로 고려하여 모델 매개 변수를 추정 한 다음 교차 검증을 사용하여 모델의 유효성을 검증 할 수 있습니다. 지난 1 년 이상을 고려하여이 모델을 확장 할 수 있지만 너무 멀리 되돌아 보면 모델 및 초과 적합성을 검증하는 데 어려움이 있습니다.

Bayesian Belief Network를 사용하여 예측할 수 있습니다. 그녀는 기본 설명을위한 링크입니다. 베이지안 네트워크

365 개 (매일 온도) + 365 (매일 강수량) 차원을 갖는 각 데이터 포인트에 10 개의 데이터 포인트가 있습니다. 이상적으로는 먼저 PCA와 같은 기계 학습 방법을 통해 치수를 줄입니다. 그런 다음 기계 학습 방법을 사용하여 예측 모델을 작성하십시오. 그러나 작은 데이터 세트로 인해 기계 학습 기술이 귀하의 문제에 적합하다고 생각하지 않습니다.