Yıl 2018, Cilt 21, Sayı 3, Sayfalar 363 - 373 2018-06-15

Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması
Application of Multivariate Adaptive Regression Splines (MARS) for Modeling the Lactation Curves

Hikmet ORHAN [1] , Emine Çetin TEKE [2] , Zübeyde KARCI [3]

22 64

Bu çalışmanın amacı, siyah alaca ineklerde kontrol günü, sağım süresi, iletkenlik ve hareketlilik bağımsız değişkenleri kullanılarak süt verimini MARS yöntemi ile modellemektir. MARS doğrusal olmayan modellerin uygun düğüm noktaları belirlenerek doğrusal alt modellerle tahminleme yapan parametrik olmayan bir yöntemdir. Çalışmada 80 ineğin 2006-2011 yılları arasındaki günlük laktasyon kayıtları kullanılmıştır. En uygun modeli tespit etmek amacıyla her bir laktasyon için farklı etkileşimler denenmiştir. Model uygunluğu, genelleştirilmiş çapraz geçerlilik katsayısının (GCV) minimum ve belirleme katsayısının (R2) maksimum olması kriterleri ile değerlendirilmiştir. Bu kriterler dikkate alındığında ilk dört laktasyon için etkileşimsiz model, beşinci laktasyon için ise üçlü etkileşimli model en iyi model olarak belirlenmiştir. İlk beş laktasyon sırasına göre MARS modellerinin belirleme katsayıları (R2) sırasıyla 0.983, 0.991, 0.991, 0.975 ve 0.950 olarak bulunmuştur. Modellerde tüm bağımsız değişken katsayılarının % 99 önem düzeyinde anlamlı olduğu görülmüştür. Süt verimini tahminlemede MARS modellerinin tümünde en etkin değişkenin kontrol günü olduğu belirlenmiştir. Bu sonuçlara göre MARS ile oluşturulan modellerin süt veriminin tahmin edilmesinde güvenle kullanılabileceği kanısına varılmıştır.

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.

  • Abraham A, Steinberg D 2001. MARS: Still an Alien Planet in Soft Computing? Lecture Notes in Computer Science, Springer Berlin / Heidelberg Press, 2074: 235-244.
  • Çetin FA, Mikail N 2016. Hayvancılıkta Veri Madenciliği Uygulamaları. Türkiye Tarımsal Araştırmalar Dergisi, 3(1): 79-88.
  • Eyduran E, Akkus O, Kara MK, Tırınk C, Tarıq M M 2017. Use of Multivariate Adaptive Regression Splines (Mars) in Predicting Body Weight from Body Measurements in Mengali Rams. International Conference on Agriculture, Forest, Food, Sciences and Technologies (ICAFOF), 11-17 May 2017, Nevşehir.
  • Friedman JH 1990. Multivariate Adaptive Regression Splines.The Annals of Statistics, 19: 1– 141.
  • Friedman JH 1991. Adaptive Spline Networks. In Advances in Neural Information Processing Systems: 675-683.
  • Grzesiak W, Zaborski D, Sablik P, Żukiewicz A, Dybus A, Szatkowska I 2010. Detection of Cows with Insemination Problems Using Selected Classification Models. Computers and Electronics in Agriculture, 74(2): 265-273.
  • Hastie T, Tibshirani R, Friedman JH 2008. The Elements of Statistical Learning: Data Mining, Inference and Prediction. Second Edition, New York, Springer.
  • Karadaş K, Erturk YE, Eyduran E, Gürsoy AK, Tarıq MM 2017. Predictive Performances of Chaid and Mars Data Mining Algorithms in the Establishment of Relationship between Live Body Weight and Several Morphological Measurements of Indigenous Mengali Sheep and Its Economic Importance. International Conference on Agriculture, Forest, Food, Sciences and Technologies (ICAFOF), 11-17 May 2017, Nevşehir.
  • Kooperberg C, Stone CJ, Truong YK 1995. Hazard Regression. Journal of American Statistical Association, 90 (429): 78-94.
  • Leathwick JR, Elith J, Hastie T 2006. Comparative Performance of Generalized Additive Models and Multivariate Adaptive Regression Splines for Statistical Modelling of Species Distributions. Ecological Modelling, 199(2): 188-196.
  • Mallick BK, Denison DGT, Smith AFM 1999. Bayesian Survival Analysis Using a MARS Model. Biometrics, 55: 1071-1077.
  • Muzır E 2011. Basel II Düzenlemeleri Doğrultusunda Kredi Riski Analizi ve Ölçümü: Geleneksel Ekonometrik Modellerin Yapay Sinir Ağı ve MARS Modelleriyle Karşılaştırılmasına Yönelik Ampirik Bir Çalışma. İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Doktora Tezi, İstanbul.
  • Orhan H, Kaygısız A 2002. Siyah Alaca Sığırlarda Farklı Laktasyon Eğrisi Modellerinin Karşılaştırılması. Hayvansal Üretim, 43(1): 94-99.
  • Orhan H, Çetin Teke E, Karcı Z, Dinç G, Fentoğlu Ö 2017. Applicability of MARS Method Using Saliva Oxidative Stress Parameters in Detecting Periodontal Disease. 3rd International Researchers, Statisticians and Young Statisticians Congress (IRSYSC-2017) 24-26 May 2017, Konya.
  • Öztürk S, Sevinç V 2013. Yeni Doğan Bebeklerin Düşük Doğum Ağırlığının Mars Yöntemine Dayalı İkili Lojistik Regresyonla Modellenmesi. İstatistik Araştırma Dergisi, 10(2): 56-72.
  • Özyurt A, Özkan M 2009. Orta Anadolu’da Yetiştirilen Siyah- Alaca Sığırlarda Laktasyon Eğri Şekli Ve Eğriye Etkili Olan Faktörler. Hayvansal Üretim 50(1): 31-37.
  • Samui P, Kim D, Viswanathan R 2015. Spatial Variability of Rock Depth Using Adaptive Neuro-Fuzzy Inference System (ANFIS) and Multivariate Adaptive Regression Spline (MARS). Environmental Earth Sciences, 73(8): 4265-4272.
  • Steinberg D, Colla PL, Kerry M 1999. MARS User Guide. San Diego, CA: Salford Systems.
  • Temel GO, Ankaralı H, Yazıcı AC 2010. Regresyon Modellerine Alternatif Bir Yaklaşım: MARS. Türkiye Klinikleri Journal of Biostatistics, 2(2): 58-66.
  • Tunay KB 2001. Türkiye’de Paranın Gelir Dolaşım Hızlarının MARS Yöntemiyle Tahmini. ODTÜ Gelişme Dergisi, 28 (3-4): 431-454.
  • Yang CC, Prasher SO, Lacroix R, Kim SH 2003. A Multivariate Adaptive Regression Splines Model for Simulation of Pesticide Transport in Soils. Biosystems Engineering, 86(1): 9–15.
Birincil Dil tr
Konular Yaşam Bilimleri
Dergi Bölümü ARAŞTIRMA MAKALESİ
Yazarlar

Orcid: 0000-0002-8389-1069
Yazar: Hikmet ORHAN (Sorumlu Yazar)

Orcid: 0000-0003-4921-0925
Yazar: Emine Çetin TEKE

Orcid: 0000-0003-4921-0925
Yazar: Zübeyde KARCI

Bibtex @araştırma makalesi { ksutarimdoga428780, journal = {Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi}, issn = {}, eissn = {2619-9149}, address = {Kahramanmaraş Sütçü İmam Üniversitesi}, year = {2018}, volume = {21}, pages = {363 - 373}, doi = {10.18016/ksudobil.334237}, title = {Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması}, key = {cite}, author = {KARCI, Zübeyde and ORHAN, Hikmet and TEKE, Emine Çetin} }
APA ORHAN, H , TEKE, E , KARCI, Z . (2018). Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 21 (3), 363-373. DOI: 10.18016/ksudobil.334237
MLA ORHAN, H , TEKE, E , KARCI, Z . "Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması". Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi 21 (2018): 363-373 <http://dogadergi.ksu.edu.tr/issue/37038/428780>
Chicago ORHAN, H , TEKE, E , KARCI, Z . "Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması". Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi 21 (2018): 363-373
RIS TY - JOUR T1 - Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması AU - Hikmet ORHAN , Emine Çetin TEKE , Zübeyde KARCI Y1 - 2018 PY - 2018 N1 - doi: 10.18016/ksudobil.334237 DO - 10.18016/ksudobil.334237 T2 - Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi JF - Journal JO - JOR SP - 363 EP - 373 VL - 21 IS - 3 SN - -2619-9149 M3 - doi: 10.18016/ksudobil.334237 UR - http://dx.doi.org/10.18016/ksudobil.334237 Y2 - 2017 ER -
EndNote %0 Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması %A Hikmet ORHAN , Emine Çetin TEKE , Zübeyde KARCI %T Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması %D 2018 %J Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi %P -2619-9149 %V 21 %N 3 %R doi: 10.18016/ksudobil.334237 %U 10.18016/ksudobil.334237
ISNAD ORHAN, Hikmet , TEKE, Emine Çetin , KARCI, Zübeyde . "Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Mars) Yönteminin Uygulanması". Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi 21 / 3 (Haziran 2018): 363-373. http://dx.doi.org/10.18016/ksudobil.334237