基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别

通过顶空固相微萃取结合气相色谱-质谱联用采集挥发性成分指纹图谱,采用极端梯度提升算法建立回归模型,运用极端随机森林的变量重要性评估、sklearn特征选择模块中的单变量线性回归测试(F_regression)以及连续目标变量的互信息(mutual_info_regression)确定有效建模变量,对白酒的贮存时间进行鉴别。模型的R^(2)评估结果为0.987,预测模型可靠性较好,为白酒酒龄的判断提供了新思路。