Kuzularda Yetiştirme Tipinin Regresyon Ağacı Algoritmaları Tahmin Performansına Etkisi

Adile Tatlıyer

doi:10.18016/ksutarimdoga.vi.651232

Araştırma Makalesi

Kuzularda Yetiştirme Tipinin Regresyon Ağacı Algoritmaları Tahmin Performansına Etkisi

Yıl 2020, Cilt: 23 Sayı: 3, 772 - 780, 30.06.2020

Adile Tatlıyer

https://doi.org/10.18016/ksutarimdoga.vi.651232

Cited By: 9

Öz

Bu araştırma, yetiştirme tipi elit ve taban olan İvesi ırkı kuzuların sütten kesim ağırlıkları üzerine CART, CHAID ve Exhausted CHAID algoritmalarının tahminleme performanslarını karşılaştırmak amacıyla yapılmıştır. Bu çalışmada Osmaniye Toprakkale ilçesinde bulunan farklı yetiştirme tipi uygulayan (elit ve taban) iki işletmeden elde edilen 2014-2015 yıllarında Kasım-Ocak aylarında doğmuş toplam 331 baş İvesi ırkı kuzu kaydı kullanılmıştır. Elit sürü tipinde doğan kuzuların doğum ağırlığı (DA) ortalaması 4.92±0.05 kg; taban sürüde doğan kuzuların DA ortalaması ise 4.11±0.07 kg; elit sürüde yetişen kuzuların sütten kesim ağırlığı (SKA) ortalaması 14.35±0.12 kg; taban sürüde yetişenlerin ise 13.89±0.16 kg olduğu görülmüştür. Her iki sürüde (elit ve taban) doğumdaki ana yaşı, doğum tipi, cinsiyet, doğum ayı, sütten kesim zamanı ve doğum ağırlığı bağımsız değişken olarak kullanılırken, sütten kesim ağırlığı bağımlı değişken olarak kullanılmıştır. CART, CHAID ve Exhausted CHAID algoritmalarını mukayese etmek için RMSE, MAPE, RAE, SDratio ve MAD uyum iyiliği kriterleri ile Pearson korelasyon katsayısı (r), R2Adj ve R2 değerleri kullanılmıştır. Her iki sürüde en yüksek R2 değeri CART algoritması ile elde edilmiştir. Bu çalışma ile yetiştirici koşullarında yapılan seleksiyon çalışmalarında CART algoritması iyi bir araç olarak değerlendirilebilir.

Anahtar Kelimeler

İvesi, Veri madenciliği, Sürü tipi

Teşekkür

Kayıtlarını kullanmamıza izin vererek bu çalışmanın gerçekleşmesine katkıda bulunan Osmaniye İli Damızlık Koyun Keçi Yetiştiricileri Birliği’ne ve Proje Teknik Elemanlarına teşekkür ederim.

Kaynakça

Aksahan R, Keskin İ 2015. Determination of the Some Body Measurements Effecting Fattening Final Live Weight of Cattle by the Regression Tree Analysis. Selçuk Tarım Bilimleri Dergisi, 2(1): 53-59.
Ali M, Eyduran E, Tariq MM, Tirink C, Abbas F, Bajwa MA, Baloch MH, Nizamani AH, Waheed A, Awan MA, Shah SH 2015. Comparison of artificial neural network and decision tree algorithms used for predicting live weight at post weaning period from some biometrical characteristics in Harnai sheep. Pakistan Journal of Zoology, 47(6): 1579–1585.
Balta B, Topal M 2018. Regression tree approach for assessing the effects of non-genetic factors on birth weight of Hemşin lamb. Alınteri Zirai Bilimler Dergisi, 33(1): 65–73.
Breiman L, Friedman J, Olshen R, Stone C 1984. Classification and regression trees. Wadsworth Int. Group, 37(15): 237-251.
Camdeviren HA, Yazici AC, Akkus Z, Bugdayci R and Sungur MA 2007. Comparison of logistic regression model and classification tree: An application to postpartum depression data. Expert Systems with Applications, 32(4):987-994. DOI:10.1016/j.eswa.2006.02.022
Celik S, Eyduran E, Karadas K, Tariq MM 2017. Comparison of predictive performance of data mining algorithms in predicting body weight in Mengali rams of Pakistan. Revista Brassileira Zootecnia, 46(11): 863–872.
Cengiz F, Karaca S, Kor A, Ertuğrul M, Arık İZ, Gökdal, Ö 2015. Küçükbaş hayvan yetiştiriciliğinde değişimler ve yeni arayışlar. Türkiye Ziraat Mühendisliği VIII. Teknik Kongresi (12-16 Ocak 2015), Ankara.
Chang LY, Wang HW 2006. Analysis of traffic injury: An application of non-parametric classification tree techniques. Accident Analysis Prevention, 38, 1019-1027.
Eyduran E, Karakus K, Keskin S, Cengiz F 2008. Determination of factors influencing birth weight using regression tree (RT) method. Journal of Applied Animal Research, 34: 109–112.
Grzesiak W, Zaborski D 2012. Examples of the use of data mining methods in animal breeding. In: Data mining applications in engineering and medicine (ed. A Karahoca). InTech, Rijeka, Croatia,in IntechOpen 303–324.
Khan MA, Tariq MM, Eyduran E, Tatliyer A, Rafeeq M, Abbas F, Rashid N, Awan MA, Javed K 2014. Estimating body weight from several body measurements in Harnai sheepwithout multicollinearity problem. Journal of Animal and Plant Science, 24(1):120–126
Koc Y 2016. Application of regression tree method for different data from animal science. MSc Thesis, Igdir University, 58.
Koyuncu M 2012. Türkiye hayvancılığında küçükbaş hayvancılığının yeri. Bursa Tarım Kongresi, (27-29 Eyül 2012), Bursa.
Küçükönder H, Üçkardeş F, Nariç D 2014. Hayvancılık Alanında Bir Veri Madenciliği Uygulaması: Japon Bıldırcını Yumurtalarında Döllülüğe Etki Eden Bazı Faktörlerin Belirlenmesi. Kafkas Üniversitesi Veteriner Fakültesi Dergisi, 20 (6): 900-908.
Loh WY 2011. Classification and regression trees. Wires Data Min Knowl, 1, 14-23.
Mendeş M, Akkartal E 2009. Regression tree analysis for predicting slaughter weight in broilers. Italian Journal of Animal Science, 8(4):615-624.
Moghadam MPA, Pahlavani P, Naseralavi, S 2016. Prediction of car following behavior based on the instantaneous reaction time using an ANFIS-CART based model. International Journal of Transportation Engineering 4 (2): 109-126.
Olfaz M, Tırınk C, Önder H 2019. Use of CART and CHAID algorithms in Karayaka sheep breeding. Kafkas Universitesi Veteriner Fakültesi Dergisi, 25(1): 105–110.
Sevgenler, H 2019. Keçilere ait kimi özelliklerin canlı ağırlık üzerindeki etkilerini belirlemek amacıyla kullanılan veri madenciliği algoritmalarının (Cart, Chaid ve Mars) karşılaştırılması. Yüksek Lisans Tezi, Iğdır Üniversitesi, Fen bilimleri Enstitüsü, 70 s.
Sezgin E, Kopuzlu S, Yuksel S, Esenbuga N. and Bilgin ÖC 2012. Determination of growth traits and heritabilities of growth characteristics of Hemsin sheep reared in Artvin. Kafkas Universitesi Veteriner Fakültesi Dergisi, 18: 899-905.
Temel GO, Ankaralı H, Yazıcı AC 2010. Regresyon Modellerine Alternatif Bir Yaklaşım:MARS. Turkiye Klinikleri J Biostat, 2(2).
TUİK 2018: Türkiye İstatistik Kurumu. Erişim: https://biruni.tuik.gov.tr/hayvancilikapp/hayvancilik.zul
Wilkinson, L. Tree Structured Data Analysis: AID, CHAID and CART. In: 1992 Sun Valley, ID, Sawtooth/SYSTAT Joint Software Conference 1–10 (1992).
Yağcı S, Baş S, Tatlıyer A 2018. Şavak Akkaraman Kuzuların Yetiştirici Koşullarında Büyüme ve Yaşama Gücü Özellikleri. Lalahan Hayvancılık Araştırma Enstitüsü Dergisi 58 (2): 81-88.
Yakubu A 2012. Application of Regression Tree Methodology in Predicting the Body Weight of Uda Sheep. Animal Science and Biotechnologies, 45 (2): 484-490.

The Effects of Raising Type on Performances of Some Data Mining Algorithms in Lambs

Yıl 2020, Cilt: 23 Sayı: 3, 772 - 780, 30.06.2020

Adile Tatlıyer

https://doi.org/10.18016/ksutarimdoga.vi.651232

Cited By: 9

Öz

The present study was
conducted to compare the predictive performances of CART, CHAID and Exhausted
CHAID algorithms to estimate weaning weight (WW) of Awassi lambs raised in
elite and base flock. In accordance with
this purpose, 331 Awassi lamb (born between November- and January in 2014-2015)
records were collected from base flock and elite flock in Toprakkale, Osmaniye
provice. Birth weight (BW) of Awassi lambs in elite flock and base flock were
4.11±0.07 kg and 4.92±0.05 kg, respectively; weaning weight (WW) of Awassi
lambs in elite and base flock were14.35±0.12 kg and 13.89±0.16 kg,
respectively. In both flock (elite and base), dam age at birth, birth type,
sex, month, weaning time and birth weight were used as independent variables,
while weaning weight was used as dependent variable. In order to compare CART,
CHAID and Exhausted CHAID algorithms RMSE, MAPE, RAE, SD_ratio
and MAD goodness of fit criteria and Pearson correlation coefficent (r),
R²_Adj and R² were used. The
highest R²value in both flocks was obtained by the
CART algorithms. As a result, in this study, CART algorithm can be evaluated as
a good tool in selection studies performed in growing conditions.

Anahtar Kelimeler

Awassi, Data mining, Flock type

Kaynakça

Aksahan R, Keskin İ 2015. Determination of the Some Body Measurements Effecting Fattening Final Live Weight of Cattle by the Regression Tree Analysis. Selçuk Tarım Bilimleri Dergisi, 2(1): 53-59.
Ali M, Eyduran E, Tariq MM, Tirink C, Abbas F, Bajwa MA, Baloch MH, Nizamani AH, Waheed A, Awan MA, Shah SH 2015. Comparison of artificial neural network and decision tree algorithms used for predicting live weight at post weaning period from some biometrical characteristics in Harnai sheep. Pakistan Journal of Zoology, 47(6): 1579–1585.
Balta B, Topal M 2018. Regression tree approach for assessing the effects of non-genetic factors on birth weight of Hemşin lamb. Alınteri Zirai Bilimler Dergisi, 33(1): 65–73.
Breiman L, Friedman J, Olshen R, Stone C 1984. Classification and regression trees. Wadsworth Int. Group, 37(15): 237-251.
Camdeviren HA, Yazici AC, Akkus Z, Bugdayci R and Sungur MA 2007. Comparison of logistic regression model and classification tree: An application to postpartum depression data. Expert Systems with Applications, 32(4):987-994. DOI:10.1016/j.eswa.2006.02.022
Celik S, Eyduran E, Karadas K, Tariq MM 2017. Comparison of predictive performance of data mining algorithms in predicting body weight in Mengali rams of Pakistan. Revista Brassileira Zootecnia, 46(11): 863–872.
Cengiz F, Karaca S, Kor A, Ertuğrul M, Arık İZ, Gökdal, Ö 2015. Küçükbaş hayvan yetiştiriciliğinde değişimler ve yeni arayışlar. Türkiye Ziraat Mühendisliği VIII. Teknik Kongresi (12-16 Ocak 2015), Ankara.
Chang LY, Wang HW 2006. Analysis of traffic injury: An application of non-parametric classification tree techniques. Accident Analysis Prevention, 38, 1019-1027.
Eyduran E, Karakus K, Keskin S, Cengiz F 2008. Determination of factors influencing birth weight using regression tree (RT) method. Journal of Applied Animal Research, 34: 109–112.
Grzesiak W, Zaborski D 2012. Examples of the use of data mining methods in animal breeding. In: Data mining applications in engineering and medicine (ed. A Karahoca). InTech, Rijeka, Croatia,in IntechOpen 303–324.
Khan MA, Tariq MM, Eyduran E, Tatliyer A, Rafeeq M, Abbas F, Rashid N, Awan MA, Javed K 2014. Estimating body weight from several body measurements in Harnai sheepwithout multicollinearity problem. Journal of Animal and Plant Science, 24(1):120–126
Koc Y 2016. Application of regression tree method for different data from animal science. MSc Thesis, Igdir University, 58.
Koyuncu M 2012. Türkiye hayvancılığında küçükbaş hayvancılığının yeri. Bursa Tarım Kongresi, (27-29 Eyül 2012), Bursa.
Küçükönder H, Üçkardeş F, Nariç D 2014. Hayvancılık Alanında Bir Veri Madenciliği Uygulaması: Japon Bıldırcını Yumurtalarında Döllülüğe Etki Eden Bazı Faktörlerin Belirlenmesi. Kafkas Üniversitesi Veteriner Fakültesi Dergisi, 20 (6): 900-908.
Loh WY 2011. Classification and regression trees. Wires Data Min Knowl, 1, 14-23.
Mendeş M, Akkartal E 2009. Regression tree analysis for predicting slaughter weight in broilers. Italian Journal of Animal Science, 8(4):615-624.
Moghadam MPA, Pahlavani P, Naseralavi, S 2016. Prediction of car following behavior based on the instantaneous reaction time using an ANFIS-CART based model. International Journal of Transportation Engineering 4 (2): 109-126.
Olfaz M, Tırınk C, Önder H 2019. Use of CART and CHAID algorithms in Karayaka sheep breeding. Kafkas Universitesi Veteriner Fakültesi Dergisi, 25(1): 105–110.
Sevgenler, H 2019. Keçilere ait kimi özelliklerin canlı ağırlık üzerindeki etkilerini belirlemek amacıyla kullanılan veri madenciliği algoritmalarının (Cart, Chaid ve Mars) karşılaştırılması. Yüksek Lisans Tezi, Iğdır Üniversitesi, Fen bilimleri Enstitüsü, 70 s.
Sezgin E, Kopuzlu S, Yuksel S, Esenbuga N. and Bilgin ÖC 2012. Determination of growth traits and heritabilities of growth characteristics of Hemsin sheep reared in Artvin. Kafkas Universitesi Veteriner Fakültesi Dergisi, 18: 899-905.
Temel GO, Ankaralı H, Yazıcı AC 2010. Regresyon Modellerine Alternatif Bir Yaklaşım:MARS. Turkiye Klinikleri J Biostat, 2(2).
TUİK 2018: Türkiye İstatistik Kurumu. Erişim: https://biruni.tuik.gov.tr/hayvancilikapp/hayvancilik.zul
Wilkinson, L. Tree Structured Data Analysis: AID, CHAID and CART. In: 1992 Sun Valley, ID, Sawtooth/SYSTAT Joint Software Conference 1–10 (1992).
Yağcı S, Baş S, Tatlıyer A 2018. Şavak Akkaraman Kuzuların Yetiştirici Koşullarında Büyüme ve Yaşama Gücü Özellikleri. Lalahan Hayvancılık Araştırma Enstitüsü Dergisi 58 (2): 81-88.
Yakubu A 2012. Application of Regression Tree Methodology in Predicting the Body Weight of Uda Sheep. Animal Science and Biotechnologies, 45 (2): 484-490.

Toplam 25 adet kaynakça vardır.

Ayrıntılar

Birincil Dil	Türkçe
Konular	Ziraat, Veterinerlik ve Gıda Bilimleri
Bölüm	ARAŞTIRMA MAKALESİ (Research Article)
Yazarlar	Adile Tatlıyer 0000-0002-4239-7072
Yayımlanma Tarihi	30 Haziran 2020
Gönderilme Tarihi	26 Kasım 2019
Kabul Tarihi	16 Ocak 2020
Yayımlandığı Sayı	Yıl 2020Cilt: 23 Sayı: 3

Kaynak Göster

APA	Tatlıyer, A. (2020). Kuzularda Yetiştirme Tipinin Regresyon Ağacı Algoritmaları Tahmin Performansına Etkisi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım Ve Doğa Dergisi, 23(3), 772-780. https://doi.org/10.18016/ksutarimdoga.vi.651232