基于机器学习算法的奶牛疾病预测模型的研究
东北农业大学动物科学技术学院
- 摘 要：
- 【目的】评估建立奶牛疾病预测模型的6种机器学习（machine learning,ML）算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树（Decision Tree,DT） C5.0、CHAID算法、人工神经网络（Artificial Neural Network,ANN）、随机森林（Random Forests,RF）、贝叶斯网络（Bayesian Networks,BN）和逻辑回归（Logistic Regression,LR）6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT CHAID则对样本量较多的疾病预测性能较好,可达74.4%;LR对病牛正确识别率不足40.0%,大多识别为健康牛。产奶量为RF、ANN、LR最重要的预测变量,泌乳天数为DT C5.0、CHAID和BN最重要的预测变量;纳入胎次和泌乳天数后,模型预测的敏感性平均提高9.8%。【结论】ML算法在对奶牛疾病的预测方面表现出很大潜力,其中,DT C5.0更适合用于预测奶牛疾病。产奶量和泌乳天数为疾病预测模型中相对重要的变量,此外,将胎次和泌乳天数纳入预测变量,可提高模型的预测精度。
关键词：奶牛;机器学习;疾病预测;
相似文章
-
奶牛结核病的流行与预防措施 [王向云] 吉林畜牧兽医 2022,43 (5) 92-93
-
奶牛的实用饲养管理技术 [杨兆柱] 畜牧业环境 2020 (12) 48-49
-
奶牛乳房炎的诊治探析 [果树良] 畜牧业环境 2020 (8) 86
-
瘤胃内容物在奶牛疾病诊疗中的应用 [赵薛光] 畜牧兽医科技信息 2022 (3) 141-142
-
奶牛原发性腹膜纤维肉瘤病例关键要素探究 [杜曼·米扎木汗] 畜牧业环境 2020 (8) 90
-
规模化奶牛养殖场建设项目选址与设计布局分析 [解大伟] 南方农业 2022 (9) 182-186,190
-
基于SOLOv2与点云空腔特征的奶牛瘤胃充盈度自动评分方法 [姬江涛, 刘晓航, 赵凯旋] 农业工程学报 2022,38 (4) 186-197
-
缓解奶牛热应激的营养调控措施 [巩青军, 王少丽, 万守英] 中国乳业 2022 (4) 19-22
-
山东省部分地区规模化奶牛场副结核病.血清学调查 [陈志远, 张宇名, 迟丽丽, 李树凡, 王昆, 徐守振] 中国奶牛 2022 (4) 21-25
-
泾阳县奶牛粪污资源化利用种养结合典型案例之一 [郭泾利, 王瑞] 畜牧业环境 2020 (2) 25-26
