Application of Multivariate Adaptive Regression Splines (MARS) for Modeling the Lactation Curves

Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması

Abstract

The aim of this study is to model milk yield using the MARS method using independent variables such as Holstein cows control day, milking time, conductivity and mobility. MARS is a non-parametric method for predicting linear sub-models to determine appropriate knot points of non-linear models. This study included daily lactation records for 80 Holstein cows between 2006 and 2011. For each lactation, the most suitable model was determined by testing different maximum interaction models. The model suitability is generally assessed by the criteria that generalized cross-validation criterion (GCV) minimum and R2 maximum values. When these criteria are taken into consideration, the non-interactive model for the first four lactations and the 3 interacting model for the fifth lactation are determined as the best models. The determination coefficients (R2) of the MARS models according to the lactation order are found to be 0.983, 0.991, 0.991, 0.975 and 0.950, respectively. All the independent variable coefficients in models were found to be important at 99% level. In all models, MARS has been identified as the most meaningful variable of control day. According to these results, we can say that the estimation of milk yield of models produced by MARS is successful and safe.

Özet

Bu çalışmanın amacı, siyah alaca ineklerde kontrol günü, sağımsüresi, iletkenlik ve hareketlilik bağımsız değişkenleri kullanılaraksüt verimini MARS yöntemi ile modellemektir. MARS doğrusalolmayan modellerin uygun düğüm noktaları belirlenerek doğrusal altmodellerle tahminleme yapan parametrik olmayan bir yöntemdir.Çalışmada 80 ineğin 2006-2011 yılları arasındaki günlük laktasyonkayıtları kullanılmıştır. En uygun modeli tespit etmek amacıyla herbir laktasyon için farklı etkileşimler denenmiştir. Model uygunluğu,genelleştirilmiş çapraz geçerlilik katsayısının (GCV) minimum vebelirleme katsayısının (R2) maksimum olması kriterleri iledeğerlendirilmiştir. Bu kriterler dikkate alındığında ilk dörtlaktasyon için etkileşimsiz model, beşinci laktasyon için ise üçlüetkileşimli model en iyi model olarak belirlenmiştir. İlk beş laktasyonsırasına göre MARS modellerinin belirleme katsayıları (R2) sırasıyla0.983, 0.991, 0.991, 0.975 ve 0.950 olarak bulunmuştur. Modellerdetüm bağımsız değişken katsayılarının % 99 önem düzeyinde anlamlıolduğu görülmüştür. Süt verimini tahminlemede MARS modellerinintümünde en etkin değişkenin kontrol günü olduğu belirlenmiştir. Busonuçlara göre MARS ile oluşturulan modellerin süt veriminin tahminedilmesinde güvenle kullanılabileceği kanısına varılmıştır.