蘑菇是我们日常生活中最常见的食物之一,包含许多种类,不同种类的蘑菇在土壤改良、药物研究等方面起到积极作用,其中可食用型的蘑菇因味道鲜美,受到许多人喜爱。除了可食用型以外,蘑菇还有许多不同的种类,而大部分的蘑菇是存在一定毒性的,误食有毒的蘑菇会引发身体疾病,威胁到我们的健康生命安全,严重会危害生命安全。目前鉴别蘑菇是否具有毒性这一课题研究尚不够深入,民间大多依靠人们的经验主观判断,不具备科学性与准确性;或通过成分研究,但这一方法需要依赖专业的实验人员和实验室,周期长成本高,若要将每一类蘑菇样本都经过化学成分研究判别毒性,显然是不现实的。为了能在日常生活中便捷地对蘑菇毒性进行预测,且预测结果的准确率高,本文基于数据挖掘技术构建了一个蘑菇毒性预测模型,并通过软件编程,开发出一款预测型应用小程序。首先,获取生活及实验室中收集到的蘑菇的各项特性,构成样本数据,并通过数据分析、数据预处理和特征工程标准流程对数据集进行处理,使原始数据达到计算机可用;再引入机器学习中的逻辑斯蒂回归模型、决策树分类模型和深度学习中的神经网络模型进行建模,基于主成分分析和线性判别分析进行降维,通过大量实验,反复切分打乱数据集、超参数调试,得出本文选用的数据集不适合降维的结论,再使用网格搜索算法进行参数优化选取最佳的参数+惩罚项。另外,本文借鉴随机森林袋外预测的思想,优化决策树算法,提出DTOOB算法,以达到消除过拟合风险的目的;尝试了数据挖掘领域中最常用的方法——关联规则。最终选择符合本文研究目标且表现较好的DTOOB算法。最后设计程序架构,步骤包含程序架构设计、数据库设计、小程序代码编写、软件测试及软件部署至服务器。将程序投入到日常生活中使用,用户可通过微信搜索功能进入程序界面,完成信息输入后呈现预测结果。