基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别

摘要：

通过顶空固相微萃取结合气相色谱-质谱联用采集挥发性成分指纹图谱,采用极端梯度提升算法建立回归模型,运用极端随机森林的变量重要性评估、sklearn特征选择模块中的单变量线性回归测试(F_regression)以及连续目标变量的互信息(mutual_info_regression)确定有效建模变量,对白酒的贮存时间进行鉴别.模型的R2评估结果为0.987,预测模型可靠性较好,为白酒酒龄的判断提供了新思路.

关键词：白酒年份、挥发性化合物、特征筛选、机器学习、鉴别

所属期刊栏目：43

分类号：TS261.7(食品工业)

资助基金：国家重点研发计划;四川省固态酿造技术创新中心建设项目

在线出版日期：2023-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：310-317