Blueberry 野生蓝莓产量预测

#### 背景描述
农业部门正在进行许多研究，以使用机器学习算法更好地预测作物产量。许多机器学习算法需要大量数据才能给出有用的结果。训练和试验机器学习算法的主要挑战之一是足够质量和数量的训练数据的可用性仍然是一个限制因素。
#### 数据说明
在论文“使用计算机模拟和机器学习算法相结合的野生蓝莓产量预测”中，我们使用了野生蓝莓授粉模型生成的数据集，该模型是一种空间显式模拟模型，通过在美国缅因州收集的现场观察和实验数据进行验证。过去30年。蓝莓产量预测模型需要能够充分描述植物空间性状、蜜蜂物种组成和天气条件对产量影响的数据。在一个多步骤的过程中，我们设计了模拟实验并在蓝莓模拟模型的校准版本上进行了运行。然后检查模拟数据集，并选择重要特征来构建四个基于机器学习的预测模型。这种模拟数据为研究人员提供了从实地观察中收集的实际数据，以及那些想要试验机器学习算法对真实数据和计算机模拟建模产生的数据作为作物产量预测模型输入的潜力的潜力的研究人员。
#### 数据来源
Qu, Hongchun; Obsie, Efrem; Drummond, Frank (2020), “Data for: Wild blueberry yield prediction using a combination of computer simulation and machine learning algorithms”, Mendeley Data, V1, doi: 10.17632/p5hvjzsvn8.1
#### 问题描述
预测