《AJAE》| Shao et al. : 中国失踪的猪:用机器学习方法纠正中国肉猪库存数据
摘要：
小样本规模往往会限制预测农产品的生产、产量和消费量等任务。机器学习成为传统预测方法的一种有吸引力的替代。特别是，支持向量回归在小样本应用中具有卓越的预测效果。文章通过对中国肉猪市场的一个应用介绍了支持向量回归方法。2014年以来，中国肉猪库存数据出现了与价格和消费趋势相矛盾的异常下降现象。基于2014年之前的价格与库存的关系，我们采用支持向量回归来预测真实库存。我们证明了在这个小样本容量的应用中，支持向量回归优于神经网络、随机森林和线性回归。2013年11月至2017年9月报告数据中，预测生猪库存量下降3.9%，而非下降25.4%。
关键词：中国；机器学习；预测；猪肉；支持向量回归
Abstract：
Small sample size often limitsforecasting tasks such as the prediction of production, yield, and consumptionof agricultural products. Machine learning offers an appealing alternative totraditional forecasting methods. In particular, support vector regression has superiorforecasting performance in small sample applications. In this article, weintroduce support vector regression via an application to China's hog market.Since 2014, China's hog inventory data has experienced an abnormal decline thatcontradicts price and consumption trends. We use support vector regression topredict the true inventory based on the price-inventory relationship before2014. We show that, in this application with a small sample size, supportvector regression outperforms neural networks, random forest, and linearregression. Predicted hog inventory decreased by 3.9% from November 2013 toSeptember 2017, instead of the 25.4% decrease in the reported data.
Keywords : China; machine learning; prediction; pork; support vector regression
《AJAE》全称为《American Journal of Agricultural Economics》，《美国农业经济学杂志》旨在为世界各地的农业和食品经济学、自然资源和环境、以及农村和社区发展等领域的创造性学术工作讨论提供平台。最新影响因子为4.082，刊载方向为管理科学-农业经济与政策。
原文链接：
https://doi.org/10.1111/ajae.12137