机器学习预测母猪断奶仔猪数

摘要：

断奶仔猪数是评定母猪繁殖性能的重要指标,直接影响猪场的经济效益.为了能在分娩前后实现对断奶仔猪数的预测,本研究收集了广西某猪场13285头母猪的配种季节、分娩季节、断奶季节、断配间隔、胎次、妊娠天数、胎间距、分娩窝重、哺乳天数和断奶仔猪数信息,首先利用R软件中的Boruta特征选择算法筛选出分娩窝重等8个重要的特征变量,然后基于筛选出的重要特征使用随机森林、决策树、逻辑回归、支持向量机和K-近邻5种机器学习算法对断奶仔猪数进行分类预测.结果显示,5种算法模型的ROC曲线下面积(AUC值)在0.846～0.912之间,其中逻辑回归预测效果最好(AUC值为0.912),随机森林和支持向量机预测效果次之(AUC值为0.910和0.903),决策树和K-近邻预测效果较差(AUC值为0.876和0.846).这意味着猪场管理者可在分娩前后对断奶仔猪数进行早期预测,进而提前制定母猪淘汰计划和调整哺乳期管理策略.

关键词：机器学习;逻辑回归;随机森林;断奶仔猪数;预测

所属期刊栏目：58

分类号：S828.4(家畜)

资助基金：分子育种与繁殖新技术研发与推广合作协议70711818605

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：254-259