摘要
本发明公开了一种高精度生物育种智能融合模型方法,其包括数据清洗、主成分分析降维、多种机器学习算法加权融合及贝叶斯优化超参数的技术方案。本发明通过结合主成分分析降维技术降低基因型数据维度,利用四种机器学习回归器(XGBoost、HGBoost、LightGBM、Extra Trees)构建单一模型,并采用相关系数加权方法进行模型融合,最终使用贝叶斯优化技术提升模型性能。该方法显著提高了预测准确性、泛化能力及计算效率,同时降低了资源消耗和时间成本。本申请能够广泛适用于水稻、玉米、小麦等植物及猪、牛、羊等动物的育种需求,兼容多种变异类型,为育种家提供高效选育平台。
技术关键词
主成分分析降维
皮尔逊相关系数
基因型数据缺失
机器学习算法
超参数
生物
高效选育
贡献率
加权方法
协方差矩阵
阶段
误差
动态更新
样本
特征值
模块
玉米
格式
动物