Аңдатпа
Ауыл шаруашылығы халықты азық-түлікпен қамтамасыз етудің негізгі саласы және елімізідің экономикасында маңызды рол атқарады. Қазақстан Республикасында 25,7 млн. гектар егістік жерлер бар. Оны тиімді пайдалану жолдарының бірі заманауи технологиялардың мүмкіндіктерін пайдалану, соның ішінде жасанды интеллект бағыты машиналық оқыу. Ауыл шаруашылығында машиналық оқыту мүмкіндіктерін пайдалану тиімділікті арттыру, процестерді оңтайландыру, таңдалған жерге сәйкес дақылды анықтау, егін шығымдылығын болжау, өсімдіктерді зиянкестерден қоғау және т.б. фермерлер үшін маңызды тапсырмаларды шешуге көмектеседі. Бұл мақалада бірнеше машиналық оқыту әдістерін ансамблге біріктіру арқылы белгілі бір жердің топырақ құрамы мен жауын-шашын мөлшеріне байланысты сол жерге егуге сәйкес келетін дақылды болжау тапсырмасын шешу қарастырылды. Ансамблдік үлгіні құру үшін 10-астам машиналық оқытудің әдістеріне әртүрлі тестер жүргізілді. Тест нәтижесінде жоғарғы дәлдік көрсеткен шешім ағашы классификаторы (Decision tree classifier), логистикалық регрессия (Logistic regression), Naive Bayes классификаторы , К-ең жақын көрші (K-Nearest Neighbors) және тереңнен оқытудың бірнеше қабатты нейрондық желі (Multi-layer perceptron classifier) әдістері стекинг тәсілі бойынша ансамблік үлгіге біріктірліп жаңа екі ансамблдік үлгілер (Stacking with ML models және Stacking with ML and NN models) алынды. Құрылған ансамблдік үлгілердің дәлік көрсеткіштері сәйкесінше Stacking with ML models - 99.95%, ал Stacking with ML and NN models - 76.9% болды.