| 基于机器学习方法预测母猪产仔数性状 |
| |
| 引用本文： | 李信颉,王海燕,蒋贝加,王超,赵志超,李长春,刘向东.基于机器学习方法预测母猪产仔数性状[J].华中农业大学学报,2020,39(4):63-68. |
| |
| 作者姓名： | 李信颉 王海燕 蒋贝加 王超 赵志超 李长春 刘向东 |
| |
| 作者单位： | 华中农业大学动物科学技术学院/农业动物遗传育种与繁殖教育部重点实验室,武汉 430070;华中农业大学信息学院,武汉 430070;农业农村部生猪健康养殖重点实验室/广西扬翔股份有限公司,贵港 537100;华中农业大学动物科学技术学院/农业动物遗传育种与繁殖教育部重点实验室,武汉 430070;农业农村部生猪健康养殖重点实验室/广西扬翔股份有限公司,贵港 537100 |
| |
| 基金项目： | 国家自然科学基金项目（31572375）； 中央高校基本科研业务费专项（2662016PY006）； 中央高校基本科研业务费专项（2262018JC033）； 华中农业大学大北农青年学者提升专项（2017DBN019） |
| |
| 摘 要： | 为指导养猪生产者更好地预测母猪的产仔数性状,尽早淘汰繁殖力较差的母猪,提升母猪群体的繁殖潜力,对记录了母猪总产仔数、产活仔数、健仔数、5日龄仔猪数和1 kg以上仔猪数的生产数据进行处理和描述统计,使用R软件中的Boruta包筛选出影响母猪产仔数性状的重要特征如品种、胎次、配种季节等,利用传统回归分析方法(LR)和不同机器学习方法—决策树(decision tree,DT)、K近邻(K-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)对产仔数性状进行回归分析,最后比较机器学习方法与传统回归方法建模的优劣。结果显示,母猪总产仔数、产活仔数、健仔数、5日龄仔猪数和1 kg以上仔猪数不同回归分析方法的R~2均达到0.71以上(0.71～0.88),体现了特征选择的正确性;在预测母猪总产仔数、产活仔数、健仔数、5日龄仔猪数和1 kg以上仔猪数中SVM模型均显著优于其他机器学习模型(P0.05)并且要优于传统回归方法,而且在以上模型中预测1 kg以上仔猪数的SVM模型最优。因此,在今后的养猪生产中机器学习方法可能会成为养猪生产者早期选育高繁殖力母猪的一种新途径。
|
| 关 键 词： | 机器学习模型 决策树 K近邻 支持向量机 母猪 产仔数性状 |
| 收稿时间： | 2019/8/30 0:00:00 |
Prediction of sow litter size trait based on machine learning approaches |
| |
| LI Xinjie,WANG Haiyan,JIANG Beiji,WANG Chao,ZHAO Zhichao,LI Changchun,LIU Xiangdong.Prediction of sow litter size trait based on machine learning approaches[J].Journal of Huazhong Agricultural University,2020,39(4):63-68. |
| |
| Authors: | LI Xinjie WANG Haiyan JIANG Beiji WANG Chao ZHAO Zhichao LI Changchun LIU Xiangdong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《华中农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华中农业大学学报》下载免费的PDF全文 |
|
