Dizajn obeležja

Mašinsko učenje i domenska ekspertiza se često posmatraju kao dva rivalska pristupa u rešavanju problema u raznim oblastima, uključujući poljoprivredu. Međutim, naša strategija je da se koristi najbolje iz oba pristupa. Algoritmi mašinskog učenja daju odlične rezultate pri otkrivanju zavisnosti među podacima, ali uveliko postoje i dobro poznate teorije koje objašnjavaju prirodne procese i koje su već dokazane u praksi. Mi u potpunosti iskorištavamo ovu činjenicu ugrađujući domensko znanje u naše modele. To se obično radi tokom procesa izbora i inženjeringa obeležja. Dobro osmišljena obeležja uvode novi nivo informacija u sistem i usmeravaju algoritme mašinskog učenja ka optimalnim konfiguracijama.

 

Jedan primer inženjeringa obeležja, zasnovan na domenskoj ekspertizi, je korišćen pri izboru hibrida kukuruza otpornih na stres u Syngenta izazovu za useve u 2019. godini. Suša je pojava povezana sa dužim periodom vremena bez padavina, praćenog visokim temperaturama i niskom vlažnošću vazduha. Međutim, ne postoji stroga matematička definicija suše i u praksi se koriste razni pokazatelji. Na osnovu dnevnih vrednosti maksimalne i minimalne temperature vazduha, količine padavina i pritiska vodene pare u nekoliko faza tokom vegetacione sezone, dizajnirali smo obeležja koja ukazuju na pojavu suše ili toplotnog stresa na određenoj lokaciji. Među njima su bili maksimalan broj uzastopnih suvih dana, mala količina padavina u određenoj fazi razvoja i deficit vodene pare. U ovom problemu su nam dizajnirana obeležja pomogla da pronađemo hibride otporne na sušu koje treba posejati kako bi se maksimizovao prinos i minimizovao rizik loše žetve, ali se ovaj pristup može primeniti i na druge probleme. Ostali primeri sadrže dizajn meteoroloških obeležja za predikciju koncentracije polena u vazduhu, dizajn elevacionih obeležja za bolju predikciju slivanja nutrijenata na njivama i dizajn obeležja koja opisuju kretanje životinja u predikciji bolesti i inflamacije mlečnih žlezda.