| Summary: | PROBLEMA: el aumento demográfico y la asegurabilidad alimentaria se ha convertido en un tema de alta convergencia en organismos internacionales, según la Organización de Naciones Unidas para la Alimentación y la Agricultura (FAO), esta necesidad induce en la elevada producción y el uso elevado de insumos de producción reduciendo la eficiencia en costos y eficacia en el volumen productivo. OBJETIVO: realizar modelos lineales bajo estándares de machine learning a los insumos frente al volumen cosechado. MÉTODO: para su resolución se aplica un modelo lineal machine learning bagging y boosting. RESULTADOS: los predictores más importantes según la estratificación de los componentes son la cantidad de herbicida, cantidad fq (N) y cantidad fq (NPK), además, las variables del modelo adjudican comportamiento directamente proporcional, es decir, los estimadores son positivos para cada elemento. CONCLUSIÓN: el mayor predictor, es decir, cantidad de herbicida, ayuda a que las hierbas perjudiciales que pueden sustraer los minerales y nutrientes a los cultivos crezcan, no obstante, estos pueden alterar los ecosistemas del suelo (microbiota) reduciendo considerablemente la calidad producto agrícola.
|
|---|