基于机器学习算法的乳母奶牛临床乳腺炎风险预测模型
Wenkuo Luo1, Qiang Dong2, Yan Feng1
1College of Information Engineering, Northwest A&F University, Yangling, Shaanxi, 712100, China.
Preventive veterinary medicine
|November 11, 2023
概括
在乳牛中早期发现临床乳腺炎至关重要. 机器学习模型,特别是决策树,使用自动挤奶系统数据准确预测乳腺炎,改善奶牛健康和农场利能力.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物科学动物科学
- 机器学习应用 机器学习应用
背景情况:
- 乳腺炎是一种流行乳牛疾病,影响动物福利和农场经济.
- 临床乳腺炎的早期检测对于有效的管理和预防至关重要.
- 自动挤奶系统为疾病预测产生了有价值的数据.
研究的目的:
- 开发和评估用于预测乳牛临床乳腺炎的机器学习模型.
- 识别用于乳腺炎预测的自动挤奶系统的关键指标.
- 为了比较不同机器学习算法在乳腺炎检测中的性能.
主要方法:
- 使用了多维乳牛乳腺炎数据库 (哺乳期0-150天).
- 输入特征包括平价,哺乳日,牛奶产量,电导率和躺时间.
- 四个机器学习算法 (决策树,随机森林,反向传播,支持向量机器) 用于分类.
主要成果:
- 机器学习模型实现了高精度,从94%到98%不等.
- 决策树模型以98%的准确度表现出卓越的性能.
- 使用决策树模型的精度为99%的健康奶牛和97%的乳腺炎病例.
结论:
- 机器学习算法是预测牛乳腺炎的有效工具.
- 决策树算法为早期乳腺炎检测提供了高精度和高性能.
- 准确的乳腺炎预测可以提高奶牛场管理和利能力.
