Hayvancılıkta elde edilen farklı verilere regresyon ağacı metodunun uygulanması

Abstract

Bu çalışmanın amacı, hayvancılıkla ilgili bir veri setinde, farklı ebeveyn-yavru düğüm kombinasyonları için, CHAID, Exhaustive CHAID ve CART veri madenciliği algoritmalarının tahmin performanslarını değerlendirmektir. Bu amaca ulaşmak için, cinsiyet (erkek ve dişi), doğum tipi (tekiz ve ikiz), doğum yılı (2005, 2006, 2007, 2008 ve 2009) işletme (Araştırma istasyonu, Mastung, Quetta, ve Noshki), ana yaşı (20-78 ay), ve ana ağırlığından (25-48 kg) sütten kesim ağırlığını tahmin etmek için 1884 baş Mengali koyunu kullanılmıştır. En iyi karar ağacı algoritmasını seçmek için belirleme katsayısı (R2 %), düzeltilmiş belirleme katsayısı (VK%), varyasyon katsayısı R2-düz. (%), standart sapma oranı, nispi yaklaşık hata (NYH) regresyon, hata kareler ortalamasının karekökü (HKOK) ve gerçek ve tahmin edilen sütten kesim ağırlıkları arasındaki Pearson korelasyon katsayısı hesaplanmıştır. Exhaustive CHAID ve CART veri madenciliği algoritmaları ile karşılaştırıldığında CHAID algoritmasının ve biyolojik konularda daha uygun ağaç yapısı oluşturduğu belirlenmiştir. Sonuç olarak, model kalite ölçütlerinin tahmin edilmesi ile birlikte oluşturulan ağaç yapısının biyolojik uygunluğunun göz önüne alınması tavsiye edilmektedir.

The aim of this study was to evaluate predictive performances of CHAID, Exhaustive CHAID, and CART regression tree methods for different combinations of parent node: child node in the data set regarding animal science. To achieve the aim, 1884 Mengali lambs were provided for predicting weaning weight from sex (male and female), birth type (single and twins), birth year (2005, 2006, 2007, 2008 and 2009), farm (Research station, Mastung, Quetta, and Noshki), birth weight, dam age, and dam weight. To choice the best regression tree method, regression model quality criteria such as coefficient of determination (R2%), adjusted coefficient of determination (Adj-R2%), coefficient of variation (%), SD ratio, relative approximation error (RAE), Root Mean Square Error (RMSE), Pearson correlation between actual and predicted weaning weights were estimated for each combination. It was determined that CHAID algorithm constructed more suitable tree structures, biologically in comparison to Exhaustive CHAID and CART data mining algorithms. Consequently, it is recommended that the biological suitability of the constructed tree structure should be taken account together with estimating model quality criteria.