[预印本] 机器学习测土配方施肥建议中的算法单一化问题

方法

用赫芬达尔指数刻画推荐集中度，在摩洛哥5个粮食体系校准9个模型族。

发现

兼顾精度的多样化部署使各体系社会损失下降10.89%至41.53%。

机会点

可将推荐集中度与多样化部署框架推广到其他地区和其他作物，检验其稳健性与可迁移性。

针对机器学习测土配方施肥常被逐模型评估的问题，构建共享与农场特异误差模型，用赫芬达尔指数刻画推荐集中度。以摩洛哥5个粮食体系9个模型族校准，10%后悔上限下兼顾精度的多样化部署使各体系社会损失下降10.89%至41.53%。