AI Summary & Key Takeaways
AI InsightWith 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%.
📌 3 Key Takeaways
Abstract
The purpose of this study, classification with data mining methods according to the factors of season, selection, and frequency of settlement which have an efect on fertility in Japanese quail eggs, and is to determine the efect of these factors. In this study, 180 female quails in three diferent 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 diferent 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%.
Özet
Bu çalışmanın amacı, Japon bıldırcını yumurtalarının döllülük üzerine etkisi olan mevsim, seleksiyon ve yerleşim sıklığı faktörlerine göre veri madenciliği yöntemi ile sınıfandırılması 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 sınıfandırma 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 sınıfandırma yaptığı görülmüştür. Yapılan bu çalışma ile %99.73 doğru sınıfandırma başarısı ile bıldırcın yumurtalarının genel olarak %85inin döllü, %15nin ise üreme kapasitelerinin düşük olduğu tespit edilmiştir.