基于机器学习的肥料推荐系统 — 可复现性研究报告

1 基于机器学习的肥料推荐系统

1.1 项目简介

本项目基于 Kaggle Predicting Optimal Fertilizers 数据集，构建一个可复现的肥料推荐系统。

项目根据温度、湿度、土壤水分、土壤类型、作物类型以及氮磷钾含量等信息，预测适合使用的肥料类型。

1.2 关于 Kaggle

Kaggle 是全球最大的数据科学竞赛平台，由 Google 于 2017 年收购。平台提供三个核心功能：

1.2.1 数据集

Kaggle 拥有超过 25 万个公开数据集，涵盖计算机视觉、自然语言处理、推荐系统、金融等领域。数据集通常附带详细的元数据说明、探索性分析笔记（Notebooks）和社区讨论，便于快速上手分析。

1.2.2 竞赛机制

Kaggle 竞赛分为以下几类：

类型	说明
Featured	由企业或组织发起，提供现金奖励，通常持续 2-3 个月
Research	学术研究导向，奖励较少但更具探索性
Playground	适合学习和练习，数据经过合成处理，无现金奖励
Analytics	商业分析类竞赛，侧重数据洞察而非模型预测

竞赛流程：

1. 发布赛题 — 组织者提供训练数据和评估指标
2. 参赛者提交 — 上传预测结果到 Leaderboard 进行评分
3. 排行榜排名 — 根据评估指标（如 MAP@3、AUC、RMSE 等）排名
4. 颁奖 — 竞赛结束后按最终排名发放奖金

1.2.3 Playground Series

本项目使用的数据来自 Kaggle Playground Series。这是 Kaggle 定期发布的合成数据竞赛，目的是：

• 帮助新手入门机器学习竞赛
• 提供标准化的练习环境
• 使用生成模型合成与真实问题相似的数据

Playground Series 的数据经过隐私保护处理，不包含真实敏感信息，但保留了真实数据的统计特征。

1.3 数据来源

本项目数据来自 Kaggle Playground Series S5E6 竞赛。

原始数据文件包括：

• train.csv — 训练集，750,000 行 × 10 列，包含输入特征和目标变量
• test.csv — 测试集，250,000 行 × 9 列，只包含输入特征
• sample_submission.csv — 提交格式示例

由于数据来自 Kaggle，本仓库不直接上传原始 CSV 数据。复现实验时需要自行从 Kaggle 下载数据，并放入 data/ 文件夹。

1.4 研究目标

1. 构建肥料推荐基线模型
2. 评估模型在 MAP@3 指标上的表现
3. 提供完整的可复现流程

1.5 模型结果

本项目使用 Logistic Regression 作为基线多分类模型，采用 3 折分层交叉验证。

Fold	MAP@3
Fold 1	0.2710
Fold 2	0.2718
Fold 3	0.2753
Mean	0.27285