محمدتقی فیاضی کیا؛ محمد دادپسند؛ حمیده کشاورزی
دوره 25، شماره 2 ، تیر 1402، ، صفحه 123-132
چکیده
در این پژوهش، از چهار الگوریتم جنگل تصادفی، درخت تصمیم، بیز ساده و رگرسیون لجستیک برای پیش‌بینی بیماری ورم پستان بر اساس داده‌های دو گله گاو شیری هلشتاین استفاده شد. به دلیل نامتوازن بودن تعداد موارد بیمار و سالم از دو روش بیش‌نمونه‌برداری و کم‌نمونه‌برداری استفاده شد. متغیرهای مرتبط با ورم پستان، شامل نوبت زایش، تولید شیر روزانه، ...
بیشتر
در این پژوهش، از چهار الگوریتم جنگل تصادفی، درخت تصمیم، بیز ساده و رگرسیون لجستیک برای پیش‌بینی بیماری ورم پستان بر اساس داده‌های دو گله گاو شیری هلشتاین استفاده شد. به دلیل نامتوازن بودن تعداد موارد بیمار و سالم از دو روش بیش‌نمونه‌برداری و کم‌نمونه‌برداری استفاده شد. متغیرهای مرتبط با ورم پستان، شامل نوبت زایش، تولید شیر روزانه، فصل زایش، مرحله‌ی شیردهی، سابقه‌ی ورم پستان و امتیاز سلول‌های بدنی از دو گاوداری در اصفهان جمع‌آوری شد. ویرایش داده‌ها با نرم‌افزارSQL Server (نسخه 2012)، مدل‌سازی برای پیش‌بینی ورم پستان با نرم‌افزارWEKA (نسخه 3/8)، انجام شد. بر اساس نتایج به‌دست‌آمده، بهترین عملکرد مربوط به الگوریتم جنگل تصادفی در حالت کم‌نمونه‌برداری با صحت، حساسیت، تشخیص و ناحیه زیرمنحنی خم به ترتیب 84/30درصد، 94/80 درصد،73/80 درصد و 0/90 بود. بدون نمونه‌برداری، قدرت تشخیص موارد بیمار (حساسیت برحسب درصد) در الگوریتم‌های جنگل تصادفی، درخت تصمیم، بیز ساده و رگرسیون لجستیک به ترتیب 1/67، صفر، 12/29 و 2/06 بود که نسبت به استفاده از نمونه‌برداری به‌طور چشمگیری ضعیف‌تر بود. این بخاطر نامتوازن بودن تعداد موارد دو کلاس سالم و بیمار و نشان‌دهنده‌ی لزوم استفاده از روش‌های نمونه‌برداری بود. با توجه به یافته‌ها، الگوریتم درخت تصمیم نیز در روش کم‌نمونه‌برداری با اختلاف کمی بعد از جنگل تصادفی بهترین عملکرد را با صحت، حساسیت، تشخیص و ناحیه زیرمنحنی خم به‌ترتیب 84/0 درصد، 94/2 درصد، 73/9 درصد و 0/90 داشت. با توجه به هزینه‌ی محاسباتی بسیار بیشتر جنگل تصادفی نسبت به درخت تصادفی، در مواقعی که حجم داده‌ها بالاست، بهتر است از درخت تصمیم استفاده شود.
حامد احمدی؛ وحید رسولی مریوانی؛ یوسف محمدی
دوره 22، شماره 2 ، تیر 1399، ، صفحه 281-288
چکیده
هدف از این پژوهش، بررسی معادلات رگرسیونی پیش‌بینی انرژی قابل متابولیسم گندم با استفاده از محتوای شمیایی آنها با استفاده از مطالعه متاآنالیزی بود. پایگاه داده‌ای متشکل از ترکیبات شیمیایی و محتوای انرژی قابل متابولیسم ظاهری تصحیح شده برای ازت (AMEn)، نمونه 111از واریته‌های مختلف گندم از منابع منتشر شده قبلی استخراج و بررسی شد. اطلاعات ...
بیشتر
هدف از این پژوهش، بررسی معادلات رگرسیونی پیش‌بینی انرژی قابل متابولیسم گندم با استفاده از محتوای شمیایی آنها با استفاده از مطالعه متاآنالیزی بود. پایگاه داده‌ای متشکل از ترکیبات شیمیایی و محتوای انرژی قابل متابولیسم ظاهری تصحیح شده برای ازت (AMEn)، نمونه 111از واریته‌های مختلف گندم از منابع منتشر شده قبلی استخراج و بررسی شد. اطلاعات نمونهها شامل پروتئین خام (CP)، چربی خام (EE)، فیبر خام (CF)، خاکستر (Ash) و AMEnبود. میانگین AMEn، (کیلوکالری در کیلوگرم2917/46) و میانگین CP، EE، CF و Ash به‌ترتیب 12/53، 2/12، 1/61، 1/56 (درصد ماده خشک) بود. با استفاده از پایگاه داده‌های طراحی شده، معادلات متا-رگرسیونی برای پیش‌بینی محتوای AMEn از روی ترکیبات شمیایی برازش شد. بهترین معادله به صورت CF% 185/4 + EE% 175/8 + CP% 45/8 + 1648= (کیلوکالری/کیلوگرم) AMEn بهدست آمد. از این معادله میتوان برای پیش‌بینی انرژی واریته‌های گندم در کارخانههای خوراک دام و یا مزارع پرورش طیور استفاده نمود.