机器学习算法用于埃塞俄比亚玉米土地适宜性预测的数学建模与性能对比评估

一项研究在埃塞俄比亚阿姆哈拉州三个地区对比多种机器学习分类器预测玉米土地适宜性的效果，用数学公式描述各算法，并结合特征选择方法建模。梯度提升（GB，Gradient Boosting）与序列特征选择（SFS，Sequential Feature Selection）组合的模型取得 99.41% 准确率，精确率和召回率均为 99.35%。结果表明机器学习可替代耗时、昂贵且不可靠的传统土地评估方法。