kaggle项目：推荐最适合的农业肥料实践

🧪 Kaggle 农业挑战赛项目复盘：如何预测最优肥料搭配？——基于 LightGBM 的多分类模型实践

👨‍🌾 项目关键词：农业智能化｜多分类预测｜LightGBM｜特征工程｜MAP@3｜Kaggle Playground S5E6

🧭 项目背景：为什么要做“肥料推荐”？

在现代农业中，精准施肥可以直接影响作物产量和品质，而传统的经验判断往往不够稳定。本项目基于 Kaggle 提供的结构化农业数据，目标是预测每一块地在当前条件下最合适的三种肥料（Top-3 推荐），支持农户实现更高效的投入产出比。

🧰 数据理解与特征拆解

数据概览

原始数据包含 750,000 条训练样本，字段结构如下：

📌 特点：数据质量较好，无缺失值，类别变量数量适中，适合直接建模。

数据分布

从分布图中可以看出，7种肥料分布相对均衡，没有极端不平衡的情况：

• 14-35-14: 15.26%
• 10-26-26: 15.18%
• 17-17-17: 14.99%
• 28-28: 14.82%
• 20-20: 14.79%
• DAP: 12.65%
• Urea: 12.31%

🔍 特征工程与预处理

类别特征编码

为了让模型更好地理解非数值特征，我们对类别变量做了编码处理：

• Soil Type / Crop Type：使用 LabelEncoder
• Fertilizer Name（目标变量）：使用 LabelEncoder，方便后续进行 MAP@3 排名评估
• 尝试开发了 “智能作物编码”(Smart Crop Encoding) 方法，综合考虑作物对环境参数和营养元素的偏好

def smart_crop_encoding(feature_matrix, weights=None):
    """自定义作物编码方法"""
    if weights is None:
        weights = np.array([0.20,0.15,0.15,0.10,0.10,0.12,0.10,0.08])
    weights /= weights.sum()
    
    encoding_dict = {}
    for crop, features in feature_matrix.items():
        crop_data = features[:8]
        if len(crop_data) == len(weights):
            score = np.dot(crop_data, weights)
            encoding_dict[crop] = score
    return encoding_dict, weights

聚类特征

使用K-Means聚类算法将样本分为5类，作为额外特征：

kmeans = KMeans(n_clusters=5, random_state=42)
cluster_labels = kmeans.fit_predict(scaled_clustering_data)
clustering_df['cluster'] = cluster_labels

数值特征在EDA分析中呈现出比较均匀的分布，未做标准化处理。

我们还绘制了不同肥料与各数值特征之间的 Boxplot，用于初步判断肥料选择与土壤养分间是否存在差异，帮助模型学习更清晰的边界。

🤖 模型构建与评估：使用 LightGBM 做多分类 + Top-3 推荐

模型选型时，我选择了 LightGBM，原因是它：

• 训练速度快，支持多分类
• 默认处理缺失值，支持类别特征
• 支持 predict_proba 输出，用于 MAP@3 计算

lgb_model = LGBMClassifier(
    objective='multiclass',
    num_class=7,
    random_state=42,
    n_estimators=200,
    learning_rate=0.1
)

📊 评估指标：MAP@3

传统的 accuracy 无法评估推荐类问题的 Top-k 质量，因此我采用了 MAP@3（Mean Average Precision at 3）：

• 模拟现实应用场景，返回最可能的三个肥料选项
• 如果正确答案出现在 top-3 中，得分 > 0
• 正确答案越靠前，得分越高

最终结果：

MAP@3 = 0.32413

✅ 对于 7 类肥料预测任务，这个结果相对合理，意味着我们平均能在推荐的 Top-3 中找到正确答案。

🔄 模型预测与提交

在测试集上，我们同样对 Soil 和 Crop 类型进行编码，然后通过模型输出每个样本的 Top-3 概率最大标签：

# 获取 top3 预测标签
top3_preds = np.argsort(y_proba, axis=1)[:, -3:][:, ::-1]

# 转换为标签字符串
top3_labels = le_fert.inverse_transform(top3_preds.flatten()).reshape(top3_preds.shape)

# 生成提交文件
submission = pd.DataFrame({
    'id': test['id'],
    'Fertilizer Name': [' '.join(row) for row in top3_labels]
})

提交格式符合官方要求，每个 id 对应三个空格分隔的肥料名称，形成最终推荐列表。

✅ 项目总结：一次结构清晰、指标友好的多分类建模实践

本项目通过系统的数据分析和特征工程，构建了一个基于LightGBM的肥料推荐系统。虽然取得了不错的效果，但在实际农业应用中仍有提升空间。未来的工作可以集中在更精细的特征工程和模型优化上，以提高推荐的准确性。

🔍 后续提升方向可能包括：

• 添加交叉特征，如 Soil+Crop 的组合特征
• 探索更复杂的模型结构（如 TabNet 或深度森林）
• 使用 SHAP 分析模型的重要特征，提升解释性