3、机器学习在空气污染预测与土壤分类中的应用

机器学习在空气污染预测与土壤分类中的应用

1. 机器学习在空气污染预测中的应用

1.1 数据集介绍

在空气污染预测的研究中，使用的数据集来自UCI，格式为xlsx，数据集大小为9358 * 15。以下是数据集的属性描述：
| 属性名称 | 属性描述 |
| — | — |
| Date | 空气质量测量日期，格式为DD/MM/YYY |
| Time | 空气质量测量时间，格式为HH.MM.SS |
| CO Conc | 每小时一氧化碳浓度，单位为mg/m³ |
| PT08.S1 | 每小时测量的氧化锡，单位为microg/m³ |
| Benzene | 每小时苯的浓度，单位为mg/m³ |
| PT08.S2 | 每小时测量的二氧化钛 |
| NOx | 每小时氮氧化物浓度，单位为ppb |
| PT08.S3 | 每小时测量的氧化钨 |
| NO2 | 每小时二氧化氮测量值，单位为microg/m³ |
| PT08.S4 | 每小时测量的氧化钨 |
| PT08.S5 | 每小时测量的氧化铟 |
| T | 温度，单位为摄氏度 |
| RH | 相对湿度，以百分比表示 |
| AH | 代表绝对湿度的目标属性 |

1.2 算法选择

为了进行空气污染预测，采用了三种机器学习算法：
- 决策树回归（DTR） ：决策树学习是一种用于建模预测的机器学习技术。决策树作为预测模型，数据记录表示在中间节点，而要预测的类别在叶子节点。DTR中的目标属性