来源：期刊VIP网 时间：
作者：李雯婷;郭军伟;阚宏伟;冯三营;宛然;王洪波;王迪;黄劭理;何彬;高宪辉;李季刚;王晓瑜;聂聪;谢复炜;赵乐;罗建钦;
单位：中国烟草总公司郑州烟草研究院;广西中烟工业有限责任公司原料供应部;郑州大学数学与统计学院;云南省烟草烟叶公司;
摘要：为了实现基于化学指标分析对八大生态区烟叶的判别，采用合成少数类过采样技术（SMOTE）均衡不同生态区样本数量分布，结合随机森林算法（RF）构建烟叶八大生态区分类模型，解决烟叶生态区分类模型中因数据类别不均衡导致少数类生态区分类性能不佳的问题。结果表明：(1)生态区样本数量不均衡造成第Ⅱ、Ⅲ、Ⅴ、Ⅷ生态区RF分类模型识别效果较差。(2)SMOTE-RF模型对不同生态区样本判别的五折交叉验证的平均准确率为0.95，精确率、召回率和F1分数分别为0.85～0.99、0.81～0.98和0.82～0.98，较RF模型提升18.7%～34.2%，且模型性能优于SMOTE-LR（逻辑回归）、SMOTE-LDA（线性判别分析）、SMOTE-ANN（人工神经网络）和SMOTE-GNB（高斯朴素贝叶斯）。(3)SMOTE-RF模型的化学指标重要性分析结果表明总植物碱、氯和茄尼醇等15种化学指标为八大生态区分类的关键指标，还原糖、总糖和总氮等36种化学指标为重要分类指标，这51种指标构成了八大生态区可能的特征指标。上述结果表明，SMOTE结合RF分类算法，可实现基于烟叶化学指标对八大生态区不均衡样本的高质量分类且具有良好的可解释性。
关键词：烟叶;;化学指标;;八大生态区;;类别不均衡;;随机森林算法;;特征重要性分析
基金资助：国家烟草专卖局创新平台科研活动稳定支持专项经费资助;; 广西中烟工业有限责任公司科技项目“云南烟叶模块配方数字化模型构建”（2022450000340079）
