Machine learning 灌溉中的机器学习方法

我是机器学习新手。我正在做一个机器学习灌溉问题的项目。我需要研究特定作物（例如水稻作物）。我必须运用机器学习方法，根据气候参数告诉农民种子需要播种还是不需要播种（比如农民是否应该浇水）

大米需要以下参数气候条件： -平均而言，每个月大约需要180-300毫米的水才能生产出相当好的水稻。 -最适温度20-35摄氏度

我的数据集链接：

以下是我的疑问：

1） 它属于监督问题还是非监督问题（我认为它属于分类监督问题）

2） 如何标记数据集以用于培训目的。（我认为在python中使用if-else，通过比较标准水稻气候值的温度场和降雨量场，并相应地标记是或否）

3） 如果我按照步骤（2）中提到的方法贴标签。我如何处理整个数据集

4） 我应该尝试哪种ML算法来获得更高的精度

是的，这是一个有监督的问题，因为您有一个标签，指示是否根据参数给它们浇水；一个分类问题，因为你有两个类：水或没有。因此，在这里，您试图根据考虑中的参数将场景分类为水或非水

2,3。您可以首先使用pandas导入整个数据集，然后通过解析字段并将其添加到label字段来标记它们

如果你打算根据传感器输入来决定，它与时间无关，而且由于季节性降雨模式可能会有所不同，我建议坚持使用传感器数据；在这种情况下，你不必去看时间序列。因为您只有两个类，所以我们需要一个二进制分类器；支持向量机可能就足够了

这是一个有监督的学习问题，您的标签将是1或0，其中1表示“浇灌田地”，0表示“不要浇灌田地”

您可以使用列表理解，如：

y = [1 if rainfall in range(180,300) and temp in range(25,30) else 0 for row in data]

然后将y转换为numpy数组以便于计算

前面的答案可能也会让你对问题2有所了解

我建议使用决策树或逻辑回归。结果可能会更好，但只有当你测试它们时你才会知道。之所以推荐这两种算法，是因为它比SVM快一点