基于树木的机器学习算法的比较,用于根据解后的精子学参数对牲畜品种进行分类

科学领域:

• 动物科学动物科学
• 生殖生物学 生殖生物学
• 生物信息学是一种生物信息学.

背景情况:

• 精子质量对于牲畜的繁殖效率和受精成功至关重要.
• 计算机辅助精子分析 (CASA) 为精子评估提供了定量动力变量.
• 精子运动变量在各个牛品种之间可能有很大的差异.

研究的目的:

• 使用CASA变量对霍尔斯坦,西蒙塔尔和查罗莱斯公牛的经解后的精液样本进行分类.
• 评估和比较C5.0,随机森林 (RF) 和随机梯度提升 (SGB) 分类器的性能.
• 为了确定关键的精子运动预测器,以进行品种歧视.

主要方法:

• 三种基于树的分类器 (C5.0,RF,SGB) 应用于CASA衍生的精子变量.
• 数据集被分为培训和测试集 (70/30,75/25,80/20的比例).
• 用10次重复10次的交叉验证来进行参数调整.

主要成果:

• 随机梯度增强 (SGB) 实现了最高的分类准确度 (85.7%),超过了RF (83.5%) 和C5.0 (73.5%).
• 渐进性运动性 (PM),多动性和速度直线 (VSL) 被确定为最有信息的预测因素.
• 对于霍尔斯坦,西门特和夏洛莱品种的准确率分别为86.4%,84.3%和86.5%,使用SGB.

结论:

• SGB是一个强大的分类器,用于根据精子动力学区分公牛品种.
• 通过CASA数据和机器学习,可以识别特定品种的精子特征.
• 这些发现支持开发特定品种的CASA校准,以改善畜牧资源分配.