机器学习在食品安全风险预警及抽检方案制订中的应用研究
"问题导向"的食品安全监督抽检方案对加强食品安全风险管理具有极重要作用.现有关于食品抽检数据的研究较少考虑到不合格样本极少的不均衡特性.本文基于新疆2015-2017年的食品监督抽检数据,将不均衡问题解决思路引入对食品安全风险预警模型的构建研究中,分别构建多种采样方法、代价敏感方法与SVM、随机森林的组合算法模型.经分析比较,在解决食品抽检不均衡数据的问题方面,采样方法逊于代价敏感方法.关于风险预警模型的构建,代价敏感+SVM的组合性能虽稍优于代价敏感+随机森林组合,但前者的运行时间远多于后者.实证结果表明,基于不均衡数据解决思路构建的组合算法模型能够有效提升食品安全风险预警效果,为制订科学合理的食品安全监督抽检方案、提升食品安全风险管理效能提供决策支持.
监督抽检、不均衡问题、组合算法模型、风险预警
34
TP181;TP391;F224
2023-02-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
315-323