Çok Sonuçlu Çok Değişkenli Uyarlanabilir Regresyon Eğrilerinin Zooteknide Kullanımı

Abstract

Bu çalışmada birden fazla sonuç için MARS algoritmalarının zootekni alanında kullanım olanaklarının incelenmesi amaçlanmıştır. Bu amaçla, Polonya Holstein popülasyonundan alınan bir veri setinde bağlanma süresi (dk) ve süt verimi (lt) çoklu sonuç değişkenleri ve kabinde kalma süresi (dk), sağım hızı (sn) ve laktasyon günü (gün) ise açıklayıcı değişkenler olarak kullanılmıştır. Çok sonuçlu çok değişkenli uyarlanabilir regresyon eğrilerinin metodolojisi ve uyum iyiliği ölçütleri detaylı olarak incelenmiştir. Elde edilen sonuçlara göre, kabinde kalma süresi (dk), sağım hızı (sn) ve laktasyon günü (gün) açıklayıcı değişkenlerinin bağlanma süresi değişkenini %0,72 ve süt verimini %79,6 oranında açıklama yeteneğine sahip olduğu belirlenmiştir. Süt verimini tahmin başarısı yüksek iken bağlanma süresi değişkenini tahmin başarısının oldukça düşük olduğu belirlenmiştir. Çok sonuçlu tahmin başarısının sonuç değişkenleri arasındaki ilişkiye de bağlı olabileceği değerlendirilmiştir. Elde edilen bulgular ve benzer literatür değerlendirildiğinde çok sonuçlu çok değişkenli uyarlanabilir regresyon eğrilerinin (MARS) süt sığırcılığı çalışmalarında başarıyla kullanılabileceği anlaşılmıştır.

In this study, it is aimed to examine the possibilities of using MARS algorithms in the field of animal science for more than one result. For this purpose, attachment time (min) and milk yield (lt) were used as multiple outcome variables, and cabin residence time (min), milking speed (sec) and lactation day (days) were used as explanatory variables in a data set taken from the Polish Holstein population. The methodology and goodness-of-fit criteria of multi-outcome multivariate adaptive regression curves were examined in detail. According to the results obtained, it was determined that the explanatory variables of duration of stay in the cabin (min), milking speed (sec) and lactation day (day) were capable of explaining the attachment time variable by 0.72% and milk yield by 79.6%. It was determined that while the success of predicting milk yield was high, the success of predicting the bonding time variable was quite low. It has been evaluated that the success of multi-outcome prediction may also depend on the relationship between outcome variables. When the findings and similar literature were evaluated, it was understood that multi-outcome multivariate adaptive regression curves (MARS) could be used successfully in the field of dairy cattle studies.