Çevresel verilere dayalı mahsul verimlerini tahmin etmek için bir makine öğrenme modeli oluşturmak

10 yıldır (2005 - 2014) bir çiftlik için sıcaklık, yağış ve soya fasulyesi verimi hakkında veri içeren bir veri setim var. Bu verilere dayanarak 2015 yılı getirilerini tahmin etmek istiyorum.

Veri kümesinin sıcaklık ve yağış için GÜNLÜK değerlere sahip olduğunu, ancak verim için yılda sadece 1 değere sahip olduğunu unutmayın, çünkü mahsulün hasadı, mahsulün büyüme mevsiminin sonunda gerçekleşir.

Önceki yıllarda verim ile sıcaklık ve yağış arasındaki ilişkiyi inceleyerek elde edilen bir regresyona / başka bir modele dayanarak 2015 verimlerini tahmin etmek için bir regresyon veya başka bir makine öğrenimi tabanlı model oluşturmak istiyorum.

Scikit-learn'u kullanarak makine öğrenimi yapmaya aşinayım. Ancak, bu sorunun nasıl temsil edileceğinden emin değilim. Buradaki zor kısım, sıcaklık ve yağışın günlük olmasına rağmen verimin yılda sadece 1 değer olmasıdır.

Buna nasıl yaklaşırım?

Yeni başlayanlar için, bir önceki yılın günlük verilerine dayanarak önümüzdeki yılın verimini tahmin edebilirsiniz. Model parametrelerini her yılın veri değerini tek bir "nokta" olarak değerlendirerek tahmin edebilir, ardından modeli çapraz doğrulamayı kullanarak doğrulayabilirsiniz. Bu modeli geçen yıldan daha fazla düşünerek uzatabilirsiniz, ancak çok geriye bakın ve modelinizi ve donanımınızı doğrulamakta sorun yaşarsınız.

Tahmin için Bayesian İnanç Ağı'nı kullanabilirsiniz. Onun temel açıklaması için bir link. Bayes Ağı

Her veri noktası 365 (her gün için sıcaklık) + 365 (her gün için yağış) boyutlarına sahip 10 veri noktanız vardır. İdeal olarak, önce PCA gibi makine öğrenme yöntemleri ile boyutları küçültürdüm. Ardından bir tahmin modeli oluşturmak için makine öğrenme yöntemlerini kullanın. Ancak, küçük veri kümesi nedeniyle, makine öğrenme tekniklerinin sorununuza uygun olduğunu düşünmüyorum.