پیش بینی سخت زایی در گاوهای هلشتا ین با استفاده از الگوریتم های درخت تصمیم و جنگل تصادفی

هدف این پژوهش ، پیش بینی وقوع سخت زایی با دو الگوریتم جنگل تصادفی و درخت تصمیم بود. داده مورد نیاز از دو گاوداری استان اصفهان که بین سالهای ۱۳۹۰ تا ۱۴۰۰ زایسش کردهاند، جمع آوری شد. متغیرهای مستقل مرتبط با سخت زایی شامل گله ، سال زایش ، نوبت زایش یک تا هفت ، تولید شیر در سه سطح کم ، متوسط و زیاد، طول دوره شیردهی ، تاریخ زایش ، روزهای خشکی ، فاصله زایش ، نوع زایش در سه سطح زایش آسان، متوسط و سخت ، دوقلوزایی ، طول آبستنی ، امتیاز وضعیت بدنی ، سابقه سخت زایی و فصل زایش بودند. ویرایش و آماده سازی داده با نرمافزا SQL server نسخه ۲۰۱۹ انجام شد. بعد از ویرایش ، ۵۷۰۸۰ رکورد برای اجرای الگوریتم های یادگیری ماشین انتخاب شدند. از این تعداد، ۸۳ درصد دردسته بدون کمک ، ۱۳ درصد دسته با کمک بدون صدمه و ۴ درصد در دسته با کمک و صدمه زیاد بود؛ پیش بینی سخت زایی با دو الگوریتم درخت تصمیم و جنگل تصادفی یادگیری ماشین انجام شد. مجموعه داده به دو بخش آموزشی و ارزیابی تقسیم و برای آزمون عملکرد هر مدل از روش ۱۰-fold cross validation استفاده شد. اجرای الگوریتم ها با نرمافزار WEKA انجام شد . برای متوازن کردن داده از دو روش بیش نمونه برداری و کم نمونه برداری استفاده شد. بهترین عملکرد الگوریتم ها برای پیش بینی سطح سخت زایی در حالت با پیش پردازش بیش نمونه برداری بود. درخت تصمیم د و دسته با کمک و بدون صدمه و با کمک و صدمه زیاد را بهتر از جنگل تصادفی پیش بینی کرد و الگوریتم مناسب تری برای پیش بینی سخت زایی بود. قدرت تفکیک ۴/۹۳ درصد، صحت ۹/۸۵ درصد، حساسیت ۶/۸۵ درصد و دقت درخت تصمیم ۴/۸۶ درصد بود.

Keywords:

سخت زایی , یادگیری ماشین , گاو هلشتاین