数据集概述
本数据集围绕小麦赤霉病（FHB）疫情风险预测展开，探究在基础模型高度相关的情况下，集成方法对预测性能的提升效果。包含了逻辑回归生成的多个基础模型，以及软投票、加权平均、惩罚回归堆叠等三种集成方法的分析结果，为病害流行模型的优化提供数据支持。
文件详解
- 数据文件:
- EnsemblesMainData.csv: CSV格式，包含FHB疫情预测的核心数据，字段示例包括id、年份、州、地点、抗性类型、玉米种植情况、温度（T.A.）、露点（D.A.）、降水（P.A.）、相对湿度（RH.A.）、水汽压亏缺（VPD.A.）、温度日较差（TDD.A.）等环境与作物相关变量。
- 说明文档:
- FHBEnsemblesReadMe.txt: TXT格式，数据集的总体说明文档，包含作者信息、研究背景等内容。
- EnsemblesAddlDescr.txt: TXT格式，基础模型的补充描述，字段包括model（模型编号）、genesis（模型来源）、period（预测时段）等。
- 代码与分析文件:
- FHBEnsemblesCode.Rmd、FHBEnsemblesCode.html: RMarkdown及HTML格式的代码文件，记录集成模型的实现代码与分析流程。
- StackingLasso.Rmd、StackingRidge.Rmd、StackingElasticNet.Rmd: RMarkdown格式，分别对应Lasso、Ridge、ElasticNet三种惩罚回归堆叠方法的代码实现。
- MAModels.Rmd: RMarkdown格式，可能包含模型平均（MA）相关的代码与分析。
适用场景
- 植物病理学研究: 分析环境因素对小麦赤霉病流行的影响，优化病害预测模型。
- 机器学习应用: 探究高度相关基础模型的集成策略，提升分类与预测性能。
- 农业风险管理: 为小麦产区赤霉病疫情风险评估提供数据支持，辅助制定防控措施。
- 统计方法验证: 验证软投票、加权平均、惩罚回归堆叠等集成方法在病害模型中的适用性。
