AI Summary & Key Takeaways
AI InsightIn conclusion, it has been reached that be used classification methods cor-rectly classify the factors affecting calf diseases with a somewhat margin of error and YSA is more successful for all performance values except sensitivity.
📌 3 Key Takeaways
Abstract
In this study, it is aimed to classify the factors affecting calf diseases with Artificial Neural Networks (YSA), Random Forest Algorithm (RO) and Logistic Regression Analysis (LR), to reveal the usability of these methods and to compare their performances. The research material consisted of the farm records of 54 calves kept in Erciyes Universi-ty, Agricultural Research and Application Center between 2018-2021. In the statistical analysis, the disease history of the calves was the dependent variable; calves gender, breed, birth season, maternal breed, and maternal lactation number were determined as independent variables. Classification performances were compared with sensitivity, speci-ficity, precision, accuracy, f-measure, Youden index, area under the ROC curve (AUC) and Cohen's kappa coefficient. According to the research results, the most successful classifiers in terms of sensitivity, selectivity, precision, accuracy, F-measure, Youden's index and Cohen's kappa; LR (0.828), ANN (0.947), ANN (0.964), ANN (0.833), ANN (0.857), ANN (0.719), ANN (0.663), respectively. In conclusion, it has been reached that be used classification methods cor-rectly classify the factors affecting calf diseases with a somewhat margin of error and YSA is more successful for all performance values except sensitivity. It is thought that these methods will help determine calf diseases with proactive approaches and prevent economic losses in livestock enterprises.
Özet
Bu çalışmada buzağı hastalıklarına etkili faktörlerin Yapay Sinir Ağları (YSA), Rassal Orman Algoritması (RO) ve Lojistik Regresyon Analizi (LR) ile sınıflandırılması, bu yöntemlerin kullanılabilirliğinin ortaya konulması ve performans-larının karşılaştırılması amaçlanmıştır. Araştırma materyalini 2018-2021 yılları arasında Erciyes Üniversitesi Tarımsal Araştırma ve Uygulama Merkezi’nde tutulan 54 baş buzağıya ait işletme kayıtları oluşturmuştur. İstatistik analizlerde buzağılara ait hastalık geçmişi bağımlı değişken; buzağıların cinsiyeti, ırkı, doğum mevsimi, anne ırkı, anne laktasyon sayısı ise bağımsız değişken olarak belirlenmiştir. Sınıflandırma performansları; duyarlılık, seçicilik, kesinlik, doğruluk, f-ölçümü, Youden indeksi, ROC eğrisi altında kalan alan (AUC) ve Cohen’s kappa katsayısı ile karşılaştırılmıştır. Araş-tırma bulgularına göre, duyarlılık, seçicilik, kesinlik, doğruluk, F-ölçümü, Youden ideksi ve Cohen’s kappa açısından en başarılı sınıflandırıcılar sırasıyla; LR (0.828), YSA (0.947), YSA (0.964), YSA (0.833), YSA (0.857), YSA (0.719), YSA (0.663) olarak bulunmuştur. Sonuç olarak, mevcut sınıflandırma yöntemlerinin buzağı hastalıklarına etkili faktörleri belirli bir yanılma payıyla doğru sınıflandırdığı ve duyarlılık dışındaki bütün performans değerleri için YSA’nın daha başarılı olduğu görülmüştür. Bu yöntemlerin, hayvancılık işletmelerinde buzağı hastalıklarının proaktif yaklaşımla belir-lenmesine ve ekonomik kayıpların önlenmesine imkan sağlayacağı düşünülmektedir.