Open AccessОСОБЛИВОСТІ ВИКОРИСТАННЯ ЗАСОБІВ MACHINE LEARNING ПІД ЧАС ІДЕНТИФІКАЦІЇ ПОДІБНИХ СОРТІВ РОСЛИН (на прикладі Lactuca sativa L. var. сapitata)
Author(s) -
Н. С. Орленко,
Н. В. Лещук,
Н. В. Симоненко,
М. М. Таганцова,
Olga A. Stadnichenko
Publication year - 2019
Publication title -
vìsnik poltavsʹkoï deržavnoï agrarnoï akademìï
Language(s) - Ukrainian
Resource type - Journals
eISSN - 2415-3362
pISSN - 2415-3354
DOI - 10.31210/visnyk2019.04.30
Subject(s) - ibm , lactuca , computer science , machine learning , artificial intelligence , botany , biology , materials science , nanotechnology
Розглянуто технологічні підходи до використання засобів Machine Learning під час ідентифікації нових сортів сільськогосподарських рослин на підставі набору даних загальновідомих сортів, алго-ритм найближчого сусіда. Метою цієї роботи є розроблення прикладу застосування методу машин-ного навчання та оцінювання придатності його використання під час оброблення даних кодів прояву морфологічного опису сортів рослин. Під час дослідження використано й аналітичний та статистичний методи. Дослідження проводилось на прикладі даних морфологічного опису сортів Lactucasativa L. var. capitatа. Опробована інформаційна технологія використання засобів машинного навчан-ня для формування комп’ютерної моделі подібних сортів салату посівного головчастого з викорис-танням статистичного пакету IBM SPSS Statistics. У результаті експерименту з комп’ютерноюмоделлю навчання встановлено, що найбільш точні результати класифікації отримано з викорис-тання ознаки розмір головки салату посівного головчастого як цільової змінної моделі та ознакищільність головки салату посівного як фокусну змінну. Дослідження показало придатність застосу-вання засобу Machine Learning під час ідентифікації груп подібних сортів салату посівного головча-стого за морфологічними ознаками. Пакет статистичних програм IBM SPSS Statistics є зручним укористуванні, надає досліднику широкий спектр засобів експериментування з моделлю сортів бота-нічного таксону, дає змогу візуалізувати отримані результати моделювання з використання діаг-рам, які добре унаочнюють результати моделювання. Головна діаграма моделі є інтерактивною, щодозволяє досліднику експериментувати з моделлю. Цей метод може бути рекомендовано для вико-ристання під час оброблення даних кваліфікаційної експертизи на відмінність, однорідність та ста-більність.