基于数据挖掘的兽药质量风险预测

摘要：

当前,兽药残留已成为食品安全的源头问题之一,养殖户缺乏鉴别假兽药的能力,兽药质量风险较大,为了提高养殖户的辨假能力,减少不合格兽药的使用,降低兽药使用风险,通过整理中国兽医药品监察所的抽检数据,运用SPSS Modeler软件,以C5.0、Logistic、神经网络构建数据挖掘的分类预测模型,对兽药质量进行分类预测.发现三种分类模型的整体分类精度偏低,对此,选用组合分类器对模型进行了优化,并对神经网络、二元逻辑回归-神经网络及决策树-神经网络进行了比较,发现从分类精度以及泛化性能上来讲,决策树-神经网络的整体表现最好,最后,本文构建了决策树-神经网络的兽药质量风险预测模型,并对之进行了进一步的优化,预测准确率能达到74.34％,可为养殖户的购买决策提供参考.

关键词：兽药、数据挖掘、组合分类、食品安全

所属期刊栏目：33

分类号：S859.2;TP391;TP183

资助基金：农业重大技术协同推广计划;科技部创新方法项目

在线出版日期：2018-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：212-218