環境データに基づいて作物収量を予測する機械学習モデルを構築する

私は、10年間（2005〜2014年）の農場の気温、降水量、大豆収量に関するデータを含むデータセットを持っています。このデータに基づいて、2015年の利回りを予測したいと思います。

作物の収穫は作物の生育シーズンの終わりに行われるため、データセットには気温と降水量のDAILY値がありますが、収量は1年に1つしかありません。

回帰または他のいくつかの機械学習ベースのモデルを構築して、2015年の収穫を予測します。これは、前年の収穫と温度および降水量との関係を研究することによって導出された回帰/その他のモデルに基づいています。

scikit-learnを使用した機械学習の実行に精通しています。ただし、この問題をどのように表すかはわかりません。ここで注意が必要なのは、気温と降水量は毎日ですが、収量は1年に1つの値に過ぎないということです。

これにどのように取り組みますか？

まず、前年の日次データに基づいて、翌年の利回りを予測できます。毎年のデータを1つの「ポイント」と見なしてモデルパラメーターを推定し、相互検証を使用してモデルを検証できます。このモデルは、過去1年以上を考慮することで拡張できますが、振り返ると、モデルとオーバーフィットの検証に問題が生じます。

予測にはベイジアンビリーフネットワークを使用できます。彼女は基本的な説明のリンクです。 ベイジアンネットワーク

10個のデータポイントがあり、各データポイントには365（毎日の気温）+ 365（毎日の降水量）ディメンションがあります。理想的には、PCAなどの機械学習手法を使用して最初に次元を削減します。次に、機械学習手法を使用して予測モデルを構築します。ただし、データセットが小さいため、問題に機械学習手法は適切ではないと思います。