A Data Mining Application in Animal Breeding: Determination of Some Factors in Japanese Quail Eggs Affecting Fertility

Abstract

ÖzetBu çalışmanın amacı, Japon bıldırcını yumurtalarının döllülük üzerine etkisi olan mevsim, seleksiyon ve yerleşim sıklığı faktörlerine göre veri madenciliği yöntemi ile sınıflandırılması ve bu faktörlerin etkisinin belirlenmesidir. Çalışmada seleksiyon yapılmış bir hattan ve rastgele çiftleştirilmiş bir kontrol hattından 3 farklı mevsimde (Yaz, Kış ve Sonbahar) elde edilen 180 dişi bıldırcın kullanılmıştır. İki farklı tip kafeste barındırılan (160-240 cm2/bıldırcın) bıldırcınlardan 12 haftalık yaşta bir hafta boyunca toplanan 1141 kuluçkalık yumurta çalışmanın materyalini oluşturmuştur. Araştırmada kullanılan sınıflandırma algoritmaları sırasıyla YSA, RBF Network, Naive Bayes, KStar, ve Ridor algoritmalarıdır. Söz konusu bu algoritmalara göre oluşturulan modellerin karşılaştırmasında Kappa istatistiği, Ortalama Mutlak Hata (OMH), Ortalama Hata Karekök (OHK), Göreli Mutlak Hata (GMH) ve Göreli Hata Karekök (GHK) performans kriterleri kullanılmıştır. Analizler sonucunda, yapılan karşılaştırmada performans kriter değerleri sırasıyla OMH: 0.002, OHK: 0.05, GMH: %1.07, GHK: %14.50 ve Kappa: 0.98 olan Ridor algoritmasına göre oluşturulan modelin en az hata ile sınıflandırma yaptığı görülmüştür. Yapılan bu çalışma ile %99.73 doğru sınıflandırma başarısı ile bıldırcın yumurtalarının genel olarak %85'inin döllü, %15'nin ise üreme kapasitelerinin düşük olduğu tespit edilmiştir. AbstractThe purpose of this study, classification with data mining methods according to the factors of season, selection, and frequency of settlement which have an effect on fertility in Japanese quail eggs, and is to determine the effect of these factors. In this study, 180 female quails in three different seasons (summer, winter and autumn) which were obtained from a selection line and a control line were used. 1141 hatching eggs collected from quails which were hosted on two different types of cages (160-240 cm2/quail) during a week at 12 weeks of age have formed the material of study. Classification algorithms used in the study are YSA, RBF Network, Naive Bayes, KStar, and Ridor algorythms, respectively. In the comparison of the models formed according to these algorithms, Kappa statistic, Mean Absolute Deviation (MAD), Mean Square Root Error (MSE), Relative Absolute Error (RAE), Relative Square Root Error (RSE) performance criteria were used. As a result of analysis, it has been seen in the comparison made that the model formed according to Ridor algorithm that has MAD: 0.002, MSE: 0.05, RAE: 1.07%, RSE: 14.50% and Kappa: 0.98 performance criteria values, respectively, has made the classification with minimum error. With this study conducted, it was determined that 85% of the quail eggs fertile and 15% of them has low reproduction capacity with the accurate classification success of 99.73%.

Forecasting Seasonal Milk Production Using MARS Algorithm for Multiple Continuous Responses in Holstein Dairy Cattles

“…These algorithms develop by distinguishing and defining the consistency of educational knowledge patterns that may apply to complex nonlinear datasets between yield and parameters. In recent years, many machine learning approaches have been used in the literature on predictive modeling in agriculture and animal data (Küçükönder et al, 2014;Küçükönder et al, 2015).Investigated the effect of the number and duration of lactation of Holstein breed of cows on milk yield with the artificial neural network (ANN) method. In their study, it was determined that this model created with the artificial neural network converged well with the real values and that the performance in milk yield estimation could give more successful results by increasing the number of parameters.…”