1.1 读数据表

本数据集来源于智能农业生产优化场景，包含2200条土壤和气候观测记录，用于推荐最适宜的作物。数据字段包括：N（土壤氮含量）、P（土壤磷含量）、K（土壤钾含量）、temperature（温度，摄氏度）、humidity（相对湿度，百分比）、ph（土壤酸碱度）、rainfall（降雨量，毫米）以及目标字段label（推荐作物名称）。作物种类涵盖水稻、玉米、鹰嘴豆、绿豆、黑豆、扁豆、石榴、香蕉、芒果等22种。通过分析土壤养分与气候条件，可帮助农户精准选择作物，提高产量。

氮元素（N）至关重要，它是叶绿素的主要组成成分。植物依靠叶绿素，利用光能将水和二氧化碳合成糖类，也就是光合作用。氮也是氨基酸的核心成分，而氨基酸是构成蛋白质的基础。植物一旦缺乏蛋白质，就会枯萎死亡。

因此，磷元素（P）对细胞分裂与新生组织发育起着关键作用，同时参与植物体内复杂的能量转化过程。在有效磷含量不足的土壤中施加磷肥，能够促进根系生长、提升植株抗寒能力、促进分蘖，并加快作物成熟。

钾元素（K）是植物从土壤与肥料中摄取的关键营养元素，可增强植株抗病性、促使茎秆直立健壮、提升耐旱能力，帮助作物安全越冬。

适宜生物活动的平均土壤温度范围（temperature）为 50 至 75 华氏度。该温度区间利于土壤生物正常生理活动，可保障有机质充分分解、加快氮素矿化、促进可溶性养分吸收与植物新陈代谢。

5.5–6.5 的酸碱度（ph）区间最适宜植物生长，此范围内各类养分的有效性达到最佳。

除病害外，降雨量（rainfall）也会影响农作物从播种到成熟的生长速度，决定收获时间。降水均衡搭配合理灌溉，能加快作物生长，缩短发芽周期，减少播种至采收的间隔时长。

数据预览显示前10条均为水稻（rice）记录，其N含量在60-94之间，P含量35-58，K含量38-44，temperature约20-26°C，humidity约80-83%，ph值5.7-7.8，rainfall约202-271毫米。这些数值反映了水稻生长的典型环境，为后续分析提供了基础。

1.2 氮含量分布直方图

为了解土壤氮含量（N）的分布特征，绘制了含20个区间的直方图。通过观察分布形态，可以判断数据是否平衡，为后续建模提供参考。

直方图显示，N值在0-140范围内分布，主要集中在0-42区间（约1007条）和63-105区间（约562条），呈现双峰分布。峰值出现在21-28和28-35区间，分别有241和242条记录。高氮（>133）样本较少，仅9条。这表明土壤氮含量在不同作物间差异较大，有助于模型区分作物类型。

1.3 磷含量分布直方图

分析土壤磷含量（P）的分布，为后续特征工程提供依据。同样采用20个区间直方图，观察数据集中趋势与异常值。

P值分布范围约5-145，主要集中在5-82区间。其中54-61区间样本最多（301条），其次为33-40区间（203条）和19-26区间（197条）。值得注意的是，96-110区间无样本，而138以上有68条，呈现右侧长尾。这表明磷含量在不同作物间存在差异，部分作物可能需要高磷土壤。

1.4 钾含量分布直方图

钾含量（K）是作物生长的关键养分，通过直方图探究其分布规律，为模型特征选择提供参考。

K值分布极不均匀：15-25区间样本最多（742条），占总数33.7%；其次为45-55区间（359条）和35-45区间（318条）。而55-65、85-115等区间样本为0，但195以上有182条，形成明显右尾。这种分布特征有助于模型识别不同作物对钾的需求差异。

1.5 温度分布直方图

温度（temperature）是影响作物生长的重要气候因素，通过直方图观察其整体分布，了解数据覆盖的温度范围。

温度范围约8.8-44°C，主要集中在19-30°C，其中24.5-26.3°C区间样本最多（373条），其次为26.3-28.0°C（319条）和22.8-24.5°C（311条）。低温（<15°C）和高温（>35°C）样本较少，符合多数作物的生长温度范围。

1.6 湿度分布直方图

湿度（humidity）对作物蒸腾和病害发生有重要影响，绘制直方图以了解其分布特征。

湿度范围约14-100%，分布呈多峰：高湿度区间（82-96%）样本密集，其中91-96%区间最多（351条），82-87%区间287条，87-91%区间274条。低湿度（<35%）样本较少，仅约200条。这表明多数作物偏好高湿环境，但部分作物可能适应干燥条件。

1.7 降雨量分布直方图

降雨量（rainfall）是决定作物灌溉需求的关键因素，通过直方图分析其分布，为后续建模提供特征理解。

降雨量范围约20-300毫米，分布呈左偏：主要集中在48-118毫米区间，其中61-76毫米区间样本最多（345条），其次为103-118毫米（316条）和89-103毫米（280条）。高降雨量（>200毫米）样本较少，仅约200条。这反映了不同作物对水分的需求差异。

1.8

降雨量-温度散点图

前置说明

通过散点图探索降雨量（rainfall）与温度（temperature）的关系，并用作物标签（label）着色，观察不同作物在气候空间中的分布模式。

散点图显示，不同作物在降雨量-温度空间中有明显聚类。例如，水稻（rice）集中在高温高降雨区域（温度20-26°C，降雨200-270毫米），而鹰嘴豆（chickpea）可能分布在较低温区域。这种分离表明温度和降雨量是区分作物的重要特征。

2.1 标签数字编码

将作物标签（label）进行数值编码，以便机器学习模型处理。编码映射：apple=0, banana=1, blackgram=2, chickpea=3, coconut=4, coffee=5, cotton=6, grapes=7, jute=8, kidneybeans=9, lentil=10, maize=11, mango=12, mothbeans=13, mungbean=14, muskmelon=15, orange=16, papaya=17, pigeonpeas=18, pomegranate=19, rice=20, watermelon=21。

label

2.2 训练测试集划分

将数据集按75%训练集、25%测试集随机划分，用于后续模型训练与评估。目标列（label）不进行分层抽样，随机种子设为0以保证结果可复现。

划分结果：训练集1650条，测试集550条，比例符合预期。

2.3 随机森林分类（目标:label）

采用随机森林分类器进行建模，特征为N、P、K、temperature、humidity、ph、rainfall，目标为编码后的label。参数设置：弱模型数量10，分裂标准基尼系数，最大深度不限，节点最小样本数2，叶节点最小样本数1。

训练集分类报告

训练集准确率: 0.9988

训练时间: 0.04s

模型训练准确率达0.9988。特征重要性排序：rainfall（0.241）、humidity（0.208）、P（0.174）、K（0.133）、N（0.100）、temperature（0.081）、ph（0.063）。降雨量和湿度是最重要的特征，表明水分条件对作物推荐影响最大。

3.1 模型预测

使用训练好的随机森林模型对测试集进行预测，生成预测结果表，包含原始特征、真实标签、预测标签及预测概率。

预测结果预览显示，前5条样本的预测标签与真实标签一致，例如真实标签21.0（西瓜）预测为21.0。预测概率字段均为0.0，可能因模型输出格式所致。

3.2 分类模型评估

通过准确率、分类报告和混淆矩阵评估模型在测试集上的表现，分析各类别的精确率、召回率和F1值。

分类报告(classification report)

混淆矩阵(confusion matrix)

测试集准确率为0.990909。分类报告显示，除blackgram（标签2.0）精确率0.93、召回率1.0，F1值0.96；jute（标签8.0）精确率0.97、召回率1.0，F1值0.98；lentil（标签10.0）精确率0.94、召回率0.89，F1值0.91外，其余19类均达到1.0。混淆矩阵显示，少数误分类发生在相似作物间，如coconut（标签4.0）有1条被误判为muskmelon（标签15.0），coffee（标签5.0）有2条误判为chickpea（标签3.0）、1条误判为lentil（标签10.0）。整体模型性能优异，能有效推荐作物。