FACTOR IMPORTANCE ANALYSIS USING SHAP AND PCA FOR OPTI-MIZING AGRICULTURAL RESOURCE MANAGEMENT

2025

Толық мәтін Ашық қол жеткізу: Gold Метадеректер (CSL-JSON)
DOI 10.54309/ijict.2025.21.1.002
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Статья представляет комплексный подход к анализу значимости факторов в агропромышленном секторе. Данный подход использует методы SHAP (Shapley additive explanations), Simple Combination и PCA (анализ главных компонент) + Combination. Исследование направлено на необходимость эффективного управления сельскохозяйственными ресурсами в условиях ограниченных и изменяющихся климатических условий. Предложенная методика позволяет оценить влияние различных факторов на ключевые показатели, такие как урожайность, доходы и операционные расходы. Анализ SHAP выявил основные определяющие факторы, показав, что «Площадь земли (га)» значительно влияет на «Емкость рынка» (59,5%) и «Доход от продаж» (57,2%), что подчеркивает важность масштаба производства. Метод Simple Combination (комбинация Gradient Boosting, Mutual Information и RFE + Lasso) выявил сбалансированное распределение факторов: «Площадь земли» – 14,5%, «Использование семян» – 12,8%, «Расходы на удобрения» – 10,7%. Метод PCA + Combination выявил глобальные тенденции, обозначив ключевыми факторами главных изменений «Урожайность на гектар» (22,5%) и «Размер посевной площади» (11,5%). Этот комплексный подход позволяет проводить глубокий анализ данных, охватывая локальные эффекты и глобальные взаимосвязи. Полученные результаты важны для оптимального управления ресурсами, стратегического планирования и повышения эффективности сельскохозяйственного производства.