首页|基于Group-Lasso天麻品质形成关键因子的分析

基于Group-Lasso天麻品质形成关键因子的分析

Analysis of key factors in Gastrodia elata quality formation based on Group-Lasso

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
目的 为提高人工种植天麻的质量,基于Group-Lasso变量筛选构建随机森林回归模型分析影响天麻品质形成的关键因子.方法 基于Group-Lasso法,对2007-2022年天麻质量研究文献中天麻素含量及产地环境变量等数据进行变量筛选,并在筛选出的变量基础上建立随机森林回归模型及计算变量重要性得分.结果 最终选择了产区、生长状况、种质类型、产地气候类型、产地土壤类型、最热月均温、产地年降水量、产地年日照时数和无霜期9个变量,基于被选变量与天麻素含量建立随机森林回归模型,模型的均方误差(mean square error,MSE)和平均绝对百分误差(mean absolute percentage error,MAPE)分别为0.103 2和14.08％,特征重要性排序显示天麻素含量的最大影响因素是产地年降水量,其次是产地土壤类型、无霜期和产地年日照时数.结论 随机森林回归模型有相对较低的误差和较高的预估精度,更适合用于对天麻种植环境的分析和天麻素含量的估算,为人工种植天麻提供参考.

Gastrodia elata Bl.gastrodinGroup-Lassovariable screeningrandom forest regressionvariable importance measures

王红洁、王科、余水祥、马云桐

展开 >

桂林理工大学理学院,广西桂林 541000

成都工业学院大数据与人工智能学院,四川成都 611730

成都中医药大学药学院,四川成都 610075

天麻 天麻素 Group-Lasso 变量筛选 随机森林回归 变量重要性评分

四川省科技厅重点研发计划川产道地药材品质评价关键技术装备研究项目

2020YFN01522021YFS0045

2023

10.7501/j.issn.0253-2670.2023.13.020

中草药
天津药物研究院,中国药学会

中草药

CSTPCDCSCD北大核心
影响因子：1.632
ISSN：0253-2670
年,卷(期)：2023.54(13)
  • 1
  • 12