Study on prediction model of grain post-harvest loss

با ورود سن اطلاعات، داده های بزرگی در یک سری فرایندهای پس از برداشت دانه تولید شده است. استفاده منطقی از این اطلاعات به ما امکان می دهد اطلاعات هوشمندانه تر، عمیق تر و با ارزش تر بدست آوریم. در این مقاله، ما انواع مدل های پیش بینی برای مصرف پس انداز محصول پس از برداشت را تعیین کرده و طبقه بندی مناسب را از طریق مقایسه انتخاب می کنیم. بر این اساس، کاهش ابعاد پردازش شده و ماتریس سردرگمی به عنوان شاخص ارزیابی برای ارزیابی اثر پیش بینی استفاده می شود. تجزیه و تحلیل همبستگی از داده ها، عوامل اصلی تأثیرگذار در پیوند تلفات مصرف پس از برداشت را به دست آورد. در نهایت، نتایج فرایند را تجسم کنید.