机构名称：
¥ 1.0
摘要：印度的农业部门雇用最多的人。这里是：农业占印度人口的60％，约占印度GDP的18％；然而，生产力低是由于该行业缺乏研究。水记录，土壤侵蚀，氮短缺和其他问题困扰着印度农业用地。这些是农业生产率低的主要原因。农民必须花费大量时间和金钱上的耕种，这比使用拖拉机更为广泛和时间。因此，农业成本增加了。至关重要的是将机器学习技术和计算研究用于农业行业，以使印度成为更好的数量和优质食品生产者。ml方法特别有益于建立不同的数据集之间的关系和抽象模式，并预测现实结果作为输出。它可以在印度农业部门成功实施，以提高效率。我们已经讨论了如何在印度农业行业使用机器学习技术来评估土壤生育能力。农业长期以来一直是最迷人的研究和分析主题之一。本研究旨在根据多种特征评估土壤数据，对其进行分类，并使用多种术语和分类提高每个模型的效率。这项研究和分析的主要目的是使用乡村水平的土壤肥力数据按区域对土壤肥力（行为）指数进行分类。关键字：人工神经网络（ANN），Leenabot，支持向量机（SVM），决策树，K-Nearest邻居（KNN），土壤。
使用机器学习的土壤分析
主要关键词
相关文件推荐
