استفاده از الگوریتم های یادگیری ماشین برای پیش بینی وقوع ورم پستان بالینی در گاوهای هلشتاین
Publish place: Journal of Animal Production، Vol: 25، Issue: 2
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 208
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JAP-25-2_001
Index date: 7 August 2023
استفاده از الگوریتم های یادگیری ماشین برای پیش بینی وقوع ورم پستان بالینی در گاوهای هلشتاین abstract
در این پژوهش، از چهار الگوریتم جنگل تصادفی، درخت تصمیم، بیز ساده و رگرسیون لجستیک برای پیش بینی بیماری ورم پستان بر اساس داده های دو گله گاو شیری هلشتاین استفاده شد. به دلیل نامتوازن بودن تعداد موارد بیمار و سالم از دو روش بیش نمونه برداری و کم نمونه برداری استفاده شد. متغیرهای مرتبط با ورم پستان، شامل نوبت زایش، تولید شیر روزانه، فصل زایش، مرحله ی شیردهی، سابقه ی ورم پستان و امتیاز سلول های بدنی از دو گاوداری در اصفهان جمع آوری شد. ویرایش داده ها با نرم افزارSQL Server (نسخه ۲۰۱۲)، مدل سازی برای پیش بینی ورم پستان با نرم افزارWEKA (نسخه ۳/۸)، انجام شد. بر اساس نتایج به دست آمده، بهترین عملکرد مربوط به الگوریتم جنگل تصادفی در حالت کم نمونه برداری با صحت، حساسیت، تشخیص و ناحیه زیرمنحنی خم به ترتیب ۸۴/۳۰درصد، ۹۴/۸۰ درصد،۷۳/۸۰ درصد و ۰/۹۰ بود. بدون نمونه برداری، قدرت تشخیص موارد بیمار (حساسیت برحسب درصد) در الگوریتم های جنگل تصادفی، درخت تصمیم، بیز ساده و رگرسیون لجستیک به ترتیب ۱/۶۷، صفر، ۱۲/۲۹ و ۲/۰۶ بود که نسبت به استفاده از نمونه برداری به طور چشمگیری ضعیف تر بود. این بخاطر نامتوازن بودن تعداد موارد دو کلاس سالم و بیمار و نشان دهنده ی لزوم استفاده از روش های نمونه برداری بود. با توجه به یافته ها، الگوریتم درخت تصمیم نیز در روش کم نمونه برداری با اختلاف کمی بعد از جنگل تصادفی بهترین عملکرد را با صحت، حساسیت، تشخیص و ناحیه زیرمنحنی خم به ترتیب ۸۴/۰ درصد، ۹۴/۲ درصد، ۷۳/۹ درصد و ۰/۹۰ داشت. با توجه به هزینه ی محاسباتی بسیار بیشتر جنگل تصادفی نسبت به درخت تصادفی، در مواقعی که حجم داده ها بالاست، بهتر است از درخت تصمیم استفاده شود.
استفاده از الگوریتم های یادگیری ماشین برای پیش بینی وقوع ورم پستان بالینی در گاوهای هلشتاین Keywords:
استفاده از الگوریتم های یادگیری ماشین برای پیش بینی وقوع ورم پستان بالینی در گاوهای هلشتاین authors
محمدتقی فیاضی کیا
بخش علوم دامی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.
محمد دادپسند
نویسنده مسئول، بخش علوم دامی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.
حمیده کشاورزی
مرکز پژوهش های علمی و صنعتی غذا و کشاورزی مشترک المنافع (CSIRO)، آرمیدل، نیوساوت ولز، استرالیا.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :