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

Hikmet Orhan; Emine Çetin Teke; Zübeyde Karcı

doi:10.18016/ksudobil.334237

EN TR

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

Öz

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.

Anahtar Kelimeler

Parametrik olmayan regresyon modeli,süt sığırcılığı,süt verimi

Kaynakça

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.

Ayrıntılar

Birincil Dil

Türkçe

Konular

-

Bölüm

Araştırma Makalesi

Yazarlar

Hikmet Orhan ^*
0000-0002-8389-1069

Emine Çetin Teke
0000-0003-4921-0925

Zübeyde Karcı
0000-0003-4921-0925

Yayımlanma Tarihi

15 Haziran 2018

Gönderilme Tarihi

11 Ağustos 2017

Kabul Tarihi

11 Eylül 2017

Yayımlandığı Sayı

Yıl 2018 Cilt: 21 Sayı: 3

DOI

https://doi.org/10.18016/ksudobil.334237

IZ

https://izlik.org/JA85XX22TH

Kaynak Göster

RIS / Bibtex

APA

Orhan, H., Teke, E. Ç., & Karcı, 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. https://doi.org/10.18016/ksudobil.334237

Cited By

R kullanarak Mars Veri Madenciliği Algoritması ile Yumurta Ağırlığı Tahmini

Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi

https://doi.org/10.18016/ksutarimdoga.vi.716880

Investigation of affective traits affecting mathematics achievement by SEM and MARS methods

International Journal of Assessment Tools in Education

https://doi.org/10.21449/ijate.982666

Use of Mars Data Mining Algorithm Based on Training and Test Sets in Determining Carcass Weight of Cattle in Different Breeds

Tarım Bilimleri Dergisi

https://doi.org/10.15832/ankutbd.818397

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

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

Abstract

Keywords

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

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

R kullanarak Mars Veri Madenciliği Algoritması ile Yumurta Ağırlığı Tahmini

Investigation of affective traits affecting mathematics achievement by SEM and MARS methods

Use of Mars Data Mining Algorithm Based on Training and Test Sets in Determining Carcass Weight of Cattle in Different Breeds

Analysis of the First Lactation Curve in Holstein Cows with Different Mathematical Models

Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling

A Cloud Based Web-Tool to Predict the High School Entrance Exam Scores of the Students

e-ISSN: 2619-9149