Hayvancılık alanında çok değişkenli uyarlanabilir regresyonun kullanımı
Use of multivariate adaptive regression splines for animal husbandry
- Tez No: 480634
- Danışmanlar: DOÇ. DR. ECEVİT EYDURAN
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Iğdır Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 43
Özet
Bu çalışmada, hayvancılık ile ilgili bir veri setinde MARS algoritmasının nasıl kullanılacağını ve elde edilen sonuçların nasıl yorumlanacağı amaçlanmıştır. Canlı ağırlığı tahmin etmek amacıyla Pakistan'da yetiştirilen dört koyun ırkının (Balochi (48), Harnai (48), Beverigh (47) ve Rakhashni (48) verileri kullanılmıştır. MARS veri madenciliği algoritmasının tanıtılması ve canlı ağırlık için faydalı tahmin denkleminin geliştirilmesi amacıyla, cidago yüksekliği, göğüs çevresi ve vücut uzunluğu gibi sürekli değişkenler bağımsız değişken olarak kullanılmıştır. R yazılımının“earth”paketi ile vücut ağırlığının tahmini için iki MARS uygulaması (26 ve 38 terim), interaksiyon derecesi 2 ve 10 çapraz geçerlilik temel alınarak yapılmıştır. MARS uygulamalarının tahmin doğruluğunu değerlendirmek için uyum kriterleri (GCV, RSS, GR2, R2, düzeltilmiş R2 ve çapraz geçerlilik R2'deki gerçek ve öngörülen değerler arasındaki korelasyon katsayısı) tahmin edilmiştir. Uyum kriterleri her iki uygulama için sırasıyla (0.980 ve 0.990), GCV (0.610 ve 0.293), RSS (116 ve 56), GR2 (0.960 ve 0.980), R2 (0.960 ve 0.980), düzeltilmiş R2 (0.954 ve 0.975) ve çapraz geçerlilik R2 (0.922 ve 0.88) olarak tahmin edilmiştir. R yazılımında en küçük GCV'yi üreten etkileşim dereceleri ve uygun terim sayısının atanması, MARS algoritması için dikkate alınması gereken en önemli noktalardır. Elde edilen sonuçlar, MARS uygulamalarının, ırk standartlarını ortaya koymak ve burada incelenen canlı ağırlık özelliğini olumlu etkileyen morfolojik özellikleri belirlemek için önemli bir seçenek olabileceğini göstermiştir.
Özet (Çeviri)
The aim of this study was to illustrate how to use MARS algorithm at a data set from Animal Science and to interpret the achieved results. Data of four sheep breeds (Balochi (48), Harnai (48), Beverigh (47) and Rakhashni (48)) reared in Pakistan were used in the prediction of body weight. Withers height, chest girth and body length as continuous predictors were used with the aim of introducing MARS data mining algorithm and developing the useful prediction equation for body weight. Breed was employed as a nominal predictor. With the package“earth”of R software, two MARS applications (26 and 38 term numbers) for the prediction of body weight were made by taking a basis for interaction degrees of 2, and v-ten-fold cross validation. For evaluating predictive accuracy of the MARS applications, goodness of fit criteria i.e. r (Pearson correlation coefficient between the actual and predicted values in body weight, GCV, RSS, GR2, R2, adjusted R2 and cross validation R2 were estimated. Goodness of fit criteria i.e. r (0.980 and 0.990), GCV(0.610 and 0.293), RSS(116 and 56), GR2 (0.960 and 0.980), R2 (0.960 and 0.980), adjusted R2 (0.954 and 0.975) and cross validation R2 (0.922 and 0.88) were estimated for both applications, respectively. Assignment of the suitable term number and interaction degrees producing the smallest GCV in R software is the most important points that are necessary to be taken into consideration for MARS algorithm. The achieved outcomes illustrated that MARS applications could be a notable option for proving breed standards and determining body measurements positively affecting the body weight of the sheep studied here.
Benzer Tezler
- Makine öğrenmesi ve görüntü işleme yöntemlerini kullanarak et sığırlarında canlı ağırlık tahmini
Live weight estimation in beef cattle using image processing and machine learning methods
AHMET ERHAN KARAHAN
- Karışık mod yük altında bulunan elastik-plastik malzemelerin üç boyutlu kırılma davranışları için yöntem ve ilgili kriterlerin geliştirilmesi
Development of methods and related criteria for the three-dimensional fracture behavior of elastic-plastic materials under mixed mode loading
EMRE KURT
Doktora
Türkçe
2024
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN AYHAN
- Ses-üstü uçaklarda çok-disiplinli ve çok-doğruluklu optimizasyon yöntemlerinin uygulanması
Application of multi-disciplinary and multi-fidelity optimization methods in supersonic aircraft design
ŞIHMEHMET YILDIZ
Yüksek Lisans
Türkçe
2022
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- Global gravity field recovery from low-low satellite-to-satellite tracking with enhanced spatiotemporal resolution using deep learning paradigm
Global gravite alanının derin öğrenme paradigması kullanarak alçak uydudan alçak uyduya izleme ile iyileştirilmiş çözünürlükte belirlenmesi
METEHAN UZ
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN AKYILMAZ
- Real-time anomaly detection in UAV systems using TinyML on ARM Cortex-M microcontrollers
ARM Cortex-M mikrodenetleyicilerde gömülü makine öğrenmesi kullanarak İHA sistemlerinde gerçek zamanlı anomali tespiti
MEHMET ALPEREN BAKICI
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ