我正在开发一个基于土壤pH值耐受范围的最佳作物匹配的机器学习模型。输入值在某个范围内，例如（5.0-6.0），并且多个作物值可能落在同一个范围内。例如：

------      ---------  Crop        pH-values ------      ---------Apple       (5.0-6.5)Basil       (5.5-6.5)Carrot      (5.5-7.0)Cauliflower (5.5-7.5)Chervil     (6.0-6.7)Corn        (5.5-7.5.)Cucumber    (5.5-7.0)

请建议哪种算法最适合当前问题。

回答：

如果您想预测Crop类型，这是一个分类问题。您可以从查看Scikit-Learn中的一些分类器开始，这些分类器使用起来非常简单。您还可以通过文档中的示例了解如何进行操作。

• 以下是如何进行操作的简要草图

首先，您需要进行一些预处理。您可以从pH-values范围中提取下限和上限信息开始，例如：

s = df['pH-values'].str.strip('(&)').str.split('-')X_df = pd.DataFrame(s.values.tolist(), columns = ['low','high'])X_df['high'] = X_df.high.str.rstrip('.').astype(float)X_df['low'] = X_df.low.astype(float)print(X_df)   low  high0  5.0   6.51  5.5   6.52  5.5   7.03  5.5   7.54  6.0   6.75  5.5   7.56  5.5   7.0

下一步是将训练和测试数据输入到您决定使用的分类器中（例如RandomForestClassifier），并使用通过将数据分成train和test得到的X_test进行预测：

from sklearn.model_selection import train_test_splity = df.Crop.valuesX = X_df.values# Split in train and testX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)# Fit the classifierrf = RandomForestClassifier()model  = rf.fit(X_train, y_train)# Predict using X_testy_pred = model.predict(X_test)

这将给您类似于下面的结果：

print(y_pred)array(['Carrot', 'Carrot', 'Cauliflower'], dtype=object)

最后，检查您使用定义的模型获得的准确率。为此，您可以使用accuracy_score：

from sklearn.metrics import accuracy_scoreaccuracy_score(y_test, y_pred, normalize=False)