复现目标
原论文：Shastri, S., Kumar, S., Mansotra, V. & Salgotra, R. (2025). Advancing crop recommendation system with supervised machine learning and explainable artificial intelligence. Scientific Reports, 15, 24271. DOI: 10.1038/s41598-025-07003-8
作者机构：
- Sourabh Shastri, Sachin Kumar, Vibhakar Mansotra — 印度查谟大学计算机科学与信息技术系（University of Jammu, India）
- Rohit Salgotra（通讯作者）— 波兰克拉科夫AGH科技大学物理与应用计算机科学学院 / 澳大利亚悉尼科技大学数据科学研究所
数据集：Crop Recommendation Dataset（Kaggle公开），2200条样本，7个土壤与气候特征（N、P、K、温度、湿度、pH、降雨量），22种作物，每类100条，完全均衡分布。
复现范围：
- ✅ 覆盖：数据预处理、描述性统计、多模型训练与评估、特征重要性分析
- ✅ 新增：SHAP可解释性分析（原论文使用LIME）
- ✅ 新增：Stacking集成模型、XGBoost、LightGBM（原论文未使用）
- ❌ 未覆盖：原论文的KNN、Decision Tree、Naive Bayes、Neural Network、LDA、QDA共6种模型
- ⚠️ 差异：训练-测试划分比例不同（原论文75:25 vs AI 80:20）；可解释性方法不同（原论文LIME vs AI SHAP）；原论文测试10种模型，AI测试6种模型
执行记录
| 指标 | 数值 |
|---|---|
| 总耗时 | 54分钟 |
| 产出文件 | 7张图表 + PDF手稿 |
| 积分消耗 | 639.97积分（¥6.40） |
| 模型数量 | 6种（含Stacking） |
| 图表数量 | 7张 |
| 数据样本 | 2200条（与原论文一致） |
| 特征数量 | 7个（与原论文一致） |
复现结果对比
模型性能对比
| 模型 | 原论文 Accuracy | AI Accuracy | AI Precision | AI Recall | AI F1 | 来源 |
|---|---|---|---|---|---|---|
| Random Forest | 99%（Table 5） | 99.55% | 99.57% | 99.55% | 99.55% | AI反超 |
| Gradient Boosting / XGBoost | 99.27%（Table 5/Abstract） | 99.32% | 99.35% | 99.32% | 99.31% | AI对标 |
| Stacking集成 | 未测试 | 99.32% | 99.35% | 99.32% | 99.32% | AI新增 |
| Naive Bayes | 99%（Table 5） | 未测试 | — | — | — | — |
| LightGBM | 未测试 | 98.86% | 98.94% | 98.86% | 98.86% | AI新增 |
| KNN | 98%（Table 5） | 未测试 | — | — | — | — |
| SVM | 98%（Table 5） | 98.41% | 98.56% | 98.41% | 98.40% | 可比 |
| Neural Network | 97%（Table 5） | 未测试 | — | — | — | — |
| Logistic Regression | 96%（Table 5） | 97.27% | 97.40% | 97.27% | 97.25% | AI略高 |
| LDA | 96%（Table 5） | 未测试 | — | — | — | — |
| QDA | 99%（Table 5） | 未测试 | — | — | — | — |
| Decision Tree | 85%（Table 5） | 未测试 | — | — | — | — |
核心发现：AI的Random Forest（99.55%）超越了原论文最佳模型Gradient Boosting（99.27%），准确率提升0.28个百分点。 在Boosting类模型上，AI的XGBoost（99.32%）也略高于原论文的Gradient Boosting（99.27%）。两个可直接对比的模型（SVM、Logistic Regression）中，AI均取得了略高的成绩。
SHAP特征重要性分析（AI新增 vs 原论文LIME）
原论文使用LIME对Gradient Boosting模型进行局部解释。AI使用SHAP对全局特征重要性进行分析，两种XAI方法的结论高度一致：
原论文LIME关键特征（按重要性排序）：Rainfall、Phosphorus（P）、Potassium（K）、Nitrogen（N）。
AI的SHAP分析同样指向土壤营养元素（N、P、K）和降雨量作为核心预测因子，验证了原论文的特征重要性结论。SHAP的优势在于提供全局一致性解释，而LIME仅提供单样本局部解释。
描述性统计
AI对7个特征的描述性统计结果：
| 特征 | 均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|
| N（氮） | 50.55 | 36.92 | 0.0 | 140.0 |
| P（磷） | 53.36 | 32.99 | 5.0 | 145.0 |
| K（钾） | 48.15 | 50.65 | 5.0 | 205.0 |
| 温度（°C） | 25.62 | 5.06 | 8.83 | 43.68 |
| 湿度（%） | 71.48 | 22.26 | 14.26 | 99.98 |
| pH | 6.47 | 0.77 | 3.50 | 9.94 |
| 降雨量（mm） | 103.46 | 54.96 | 20.21 | 298.56 |
钾（K）的标准差最大（50.65），反映不同作物对钾肥需求差异显著。22种作物每类100条样本，数据集完全均衡，无需过采样处理。
差异原因分析
-
训练-测试划分：原论文75:25 vs AI 80:20。AI使用更多训练数据（1760 vs 1650条），可能略微提升模型性能。但考虑到数据集仅2200条、差异仅110条样本，影响有限。
-
模型实现差异：原论文使用Gradient Boosting（sklearn），AI使用XGBoost（独立库）。两者算法原理相同但超参数默认值和正则化策略不同，AI的XGBoost（99.32%）与原论文GB（99.27%）差距仅0.05个百分点，属于合理波动。
-
Random Forest反超的可能原因：22类均衡分类任务中，RF的Bagging策略在小数据集上可能比Boosting更稳健。AI的RF达到99.55%，原论文RF约99%，差距可能源于超参数调优和划分比例的差异。
-
XAI方法差异：LIME提供局部解释（单样本），SHAP提供全局解释（所有样本）。两者结论一致性高，说明特征重要性排序是数据驱动的稳健结论。
AI做到了什么
- ✅ 54分钟完成数据探索、6种模型训练、性能评估、SHAP分析、PDF手稿生成
- ✅ Random Forest 99.55%超越原论文最佳Gradient Boosting 99.27%
- ✅ SHAP全局可解释性分析——补充原论文LIME的局部解释，两种方法结论一致
- ✅ Stacking集成模型——原论文未测试，AI达到99.32%与XGBoost持平
- ✅ 生成7张分析图表（混淆矩阵、模型对比、特征重要性、特征分布、相关性、作物雷达图、作物分布）
- ✅ SVM和Logistic Regression两个可直接对比的模型均略高于原论文
AI没做到什么
- ❌ 未测试原论文10种模型中的6种（KNN、Decision Tree、Naive Bayes、Neural Network、LDA、QDA）
- ❌ 未复现LIME分析（使用SHAP替代，方法不同）
- ❌ 使用80:20划分而非原论文75:25，结果不完全可比
- ❌ 未进行超参数搜索的详细报告（原论文Table 3/4列出了部分超参数）
- ❌ 未讨论实际农业部署场景中的特征采集成本和可行性
- ❌ 未进行交叉验证稳定性分析（仅单次划分）
结论
54分钟、6.40元的成本内，AI对Scientific Reports（IF 3.8）发表的作物推荐系统论文进行了有效复现。在6种模型的测试中，Random Forest以99.55%的准确率超越了原论文最佳模型Gradient Boosting的99.27%（Table 5/Abstract）。XGBoost（99.32%）同样略高于原论文GB。两个方法均可直接对比的模型（SVM、Logistic Regression）也呈现AI略高的趋势。
SHAP分析与原论文LIME分析在特征重要性排序上高度一致——降雨量和NPK营养元素是决定作物推荐的核心因子。这种跨方法的一致性增强了结论的可信度。
需要指出的是，0.28个百分点的准确率差异在2200样本的数据集上可能处于统计波动范围内，且80:20与75:25的划分差异也会带来影响。严格意义上的"反超"需要在同一划分比例和交叉验证框架下验证。AI在效率上的贡献是确定的，在精度上的优势则需审慎解读。
完整引用：Shastri, S., Kumar, S., Mansotra, V. & Salgotra, R. (2025). Advancing crop recommendation system with supervised machine learning and explainable artificial intelligence. Scientific Reports, 15, 24271. DOI: 10.1038/s41598-025-07003-8