Hayvancılıkta lıghtgbm algoritmasının kullanımı
The usage of lightgbm algorithm in animal science
- Tez No: 1005717
- Danışmanlar: DOÇ. DR. CEM TIRINK
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Iğdır Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, oğlakların doğum tipi, cinsiyet ve bazı vücut ölçümleri dikkate alınarak canlı ağırlıklarının tahmin edilmesi amacıyla LightGBM algoritması kullanılmıştır. Hiperparametre optimizasyonu sonucu elde edilen en iyi model, hem eğitim hem de test setlerinde yüksek doğruluk performansı sergilemiştir (eğitim R2 = 0.975, test R2 = 0.955). RMSE ve MAE değerleri de düşük bulunmuş, bu da modelin hata oranının sınırlı olduğunu göstermektedir. Çoklu doğrusal bağlantı analizi sonucunda özellikle cidago yüksekliği ve sağrı yüksekliği değişkenlerinde yüksek VIF ve condition index değerleri gözlemlenmiş, bu değişkenlerin regresyon modelinde multicollinearity riski taşıyabileceği ortaya konmuştur. Ancak LightGBM algoritmasının ağaç temelli yapısı, bu gibi doğrusal bağımlılıkların model performansı üzerindeki olumsuz etkisini azaltma avantajına sahiptir. SHAP analizleri ve hiperparametre görselleştirmeleri de modelin öğrenme süreci hakkında ek bilgiler sağlamıştır. Genel olarak, elde edilen sonuçlar LightGBM algoritmasının yapılandırılmış hayvancılık verileri ile yapılan canlı ağırlık tahminlerinde etkin bir araç olduğunu ortaya koymaktadır.
Özet (Çeviri)
In this study, the LightGBM algorithm was employed to predict the live weight of goat kids by considering birth type, sex, and various body measurements. The optimal model, determined through systematic hyperparameter tuning, demonstrated high predictive performance on both the training (R² = 0.975) and test datasets (R² = 0.955). The RMSE and MAE values were notably low, indicating minimal prediction errors. Multicollinearity diagnostics revealed high VIF and condition index values particularly for Withers Height and Rump Height, suggesting that these variables may pose multicollinearity risks in linear regression contexts. However, due to its tree-based nature, the LightGBM algorithm effectively mitigates the adverse effects of collinear predictors. Visual analyses such as SHAP plots and hyperparameter surface graphs further enriched the interpretation of model behavior. Overall, the results suggest that LightGBM is a robust and efficient tool for predicting live weight using structured animal science data.
Benzer Tezler
- Predictive modeling of non-routine maintenance workload in aircraft operations: a task card-level approach using real mro data and machine learning
Uçak bakım operasyonlarında non-routıne iş yükünün öngörüsel modellemesi: gerçek mro verileri ve makine öğrenmesi ile görev kartı düzeyinde bir yaklaşım
TALHA GÜÇLÜ
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Hayvancılıkta tekrarlanma derecesinin anlamı ve güven aralıkları
The Repeatability coefficient and confidence intervals in livestock
ALİ BİLGEN
- Hayvancılıkta bulanık mantık tabanlı karar destek sistemi
Fuzzy logic-based decision support system in livestock
ASLI AKKAPTAN
- Hayvancılıkta yem katkısı olarak kullanılan enzimleri üreten yeni bakteri suşlarının izolasyonu ve karakterizasyonu
Isolation and characterization of new bacterial strains with producing feed additive enzymes used in animal nutrition
VAHİD DANESH
- Hayvancılıkta meta analizi uygulamaları
Meta analysis applications in animal science
AHMET ERHAN KARAHAN
