基于随机森林算法的农产品产量影响因素权重分析＊

胡新祥，赵 霞，张 乾，李英兰，孔祥盛，马玉婷

(甘肃农业大学 信息科学技术学院，甘肃 兰州 730070)

1 概述

几千年来，中国劳动人民过着“靠天收”的生活。农民们根据长久以来的经验总结出了在农耕中各种方式方法。但是这种依靠经验的方法往往会因为一些特殊的因素而受到影响。一旦出现意外，对农户和社会带来的损失可能是不可估量的。进入了新时代，我们可以尝试使用现代技术来对这些影响农作物产量的因素进行科学的分析，让人们更加了解这些因素在农作物产量起到的作用，进而制定出科学的策略来应对一些不可控现象的发生。这既符合大环境趋势，也让理论研究真正的应用到实际社会生产生活之中。在信息时代，计算机技术能够为农产品产量的预测提供更多、更有效的预测方式。利用计算机技术的快速性，国内外的研究者将计算机技术运用到中国农业经济预测的过程中，通过建立相关农产品产量的预测系统，更精确的预测中国农产品产量的变化趋势。

近年来，深度学习等人工智能技术得到了迅速发展，在很多领域都取得了较好的应用效果。其中分类算法在数据挖掘方面应用最为广泛。

常用分类算法有：典型的朴素贝叶斯方法，针对大量数据训练速度较快，并支持增量式训练，对结果的解释便于理解，但在大数据集下才能获得较为准确的分类结果，且忽略了数据各属性值之间的关联性[1]；K-最近邻分类算法比较简单，训练过程迅速，抗噪声能力强，新的数据能够直接参与训练集而不需要再次训练，但在样本不平衡时结果偏差较大，且每次分类都需要重新进行一次全局运算[2]；……