في عالم يتجه نحو الذكاء الاصطناعي، أصبحت الحاجة إلى توقع إنتاج المحاصيل بدقة أكثر أهمية من أي وقت مضى. دراسة جديدة تستكشف فعالية خمسة نماذج انحدار تستخدم لتوقع إنتاج المحاصيل من متغيرات بيئية وإدارية. مع أكثر من مليون ملاحظة، تم تنظيف البيانات لإزالة القيم السلبية وجعلها أكثر دقة.

النماذج التي تمت مراجعتها تشمل:
- الانحدار الخطي المتعدد (LR)
- الانحدار بواسطة غابات عشوائية (RF)
- الانحدار بواسطة شجرة اتخاذ القرار (DT)
- الانحدار الشائك (Ridge)
- الانحدار لاسو (Lasso)

تم تقييم الأداء باستخدام تقنيات تدريب وتح-testing متنوعة، حيث أظهر نموذج الانحدار الخطي المتعدد نتائج مثيرة للإعجاب مع نسبة تحديد (R-squared) تصل إلى 0.9130. بينما حقق نموذج الانحدار لاسو أعلى نسبة تحديد عند استخدام تقسيم 70:30.

النتائج أظهرت أن نماذج الانحدار المختبرة توفر معايير تنافسية رئيسية للتوقع، مما يجعلها أدوات قيمة في التخطيط الزراعي وإدارة الموارد.

مزيد من التجارب، بما في ذلك اختبارات التحقق من الصحة، ضرورية لتحديد دقة وأداء هذه النماذج بشكل أفضل.