Published April 15, 2023
| Version v1
Publication
Open
An ensemble machine learning approach for the prediction of body weight of chickens from body measurement
Description
This study aimed to develop an ensemble Machine learning (ML) model based on K-Nearest Neighbor (KNN), Random Forest (RF), Regression Tree (RT) and Support Vector Machine (SVM) for the prediction of body weight (BW) of chickens from their morphometric traits.The data of 100 Ross 308 broiler chickens (50 female and 50 male) from day 1 to 29 were used for predicting the BW of chickens using various body measurements such as body girth, body length, keel length, wing length and shank length.The data were randomly partitioned into training (80%) and testing (20%) datasets and 10-fold cross-validation was employed to check the stability of the model.The predictive performance of the proposed ensemble method was evaluated and compared with individual ML models using evaluation criteria of adjusted coefficient of determination ( ), root mean square error ( ), mean absolute error ( and mean absolute percentage error. The proposed ensemble model outperformed all other ML methods used in the study, having very high predictive accuracy with (0.999, 0.999), (3.222, 5.465), (2.332, 3.913) and (0.941, 2.029) values for training and testing datasets, respectively.The results of the study revealed that the proposed ensemble model may help researchers and practitioners to accurately predict the BW of chickens from body measurements.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
هدفت هذه الدراسة إلى تطوير نموذج تعلم آلي جماعي (ML) يعتمد على K - Nearest Neighbor (KNN) والغابة العشوائية (RF) وشجرة الانحدار (RT) وآلة ناقلات الدعم (SVM) للتنبؤ بوزن الجسم (BW) للدجاج من سماتها المورفومترية. تم استخدام بيانات 100 دجاجة من طراز ROSS 308 (50 أنثى و 50 ذكر) من اليوم الأول إلى 29 للتنبؤ بالأرواح البيولوجية للدجاج باستخدام قياسات الجسم المختلفة مثل محيط الجسم وطول الجسم وطول العارضة وطول الجناح وطول الساق. تم تقسيم البيانات عشوائيًا إلى تدريب (80 ٪) واختبار (20 ٪) مجموعات بيانات و 10 أضعاف التحقق المتقاطع للتحقق من استقرار النموذج. تم تقييم الأداء التنبؤي لطريقة المجموعة المقترحة ومقارنتها بنماذج ML الفردية باستخدام معايير تقييم معامل التحديد المعدل ( )، متوسط الخطأ التربيعي ( )، متوسط الخطأ المطلق (متوسط الخطأ والنسبة المئوية المطلقة). تفوق نموذج المجموعة المقترح على جميع طرق التعلم الآلي الأخرى المستخدمة في الدراسة، حيث كان له دقة تنبؤية عالية للغاية مع قيم (0.999، 0.999)، (3.222، 5.465)، (2.332، 3.913) و (0.941، 2.029) لتدريب واختبار مجموعات البيانات، على التوالي. وكشفت نتائج الدراسة أن نموذج المجموعة المقترح قد يساعد الباحثين والممارسين على التنبؤ بدقة بالوزن الحيوي للدجاج من قياسات الجسم.Translated Description (French)
Cette étude visait à développer un modèle d'apprentissage automatique (ML) d'ensemble basé sur K-Nearest Neighbor (KNN), Random Forest (RF), Regression Tree (RT) et Support Vector Machine (SVM) pour la prédiction du poids corporel (BW) des poulets à partir de leurs traits morphométriques. Les données de 100 poulets à griller Ross 308 (50 femelles et 50 mâles) du jour 1 au 29 ont été utilisées pour prédire le BW des poulets à l'aide de diverses mesures corporelles telles que la circonférence du corps, la longueur du corps, la longueur de la quille, la longueur des ailes et la longueur de la tige. Les données ont été réparties au hasard en ensembles de données d'entraînement (80 %) et de test (20 %) et une validation croisée de 10 fois a été utilisée pour vérifier la stabilité du modèle. La performance prédictive de la méthode d'ensemble proposée a été évaluée et comparée avec des modèles ML individuels à l'aide de critères d'évaluation du coefficient de détermination ajusté ( ), de l'erreur quadratique moyenne ( ), de l'erreur absolue moyenne ( et de pourcentage d'erreur absolue moyenne). Le modèle d'ensemble proposé a surpassé toutes les autres méthodes de ML utilisées dans l'étude, ayant une très grande précision prédictive avec (0,999, 0,999), (3,222, 5,465), (2,332, 3,913) et (0,941, 2,029) valeurs pour les ensembles de données d'entraînement et de test, respectivement. Les résultats de l'étude ont révélé que le modèle d'ensemble proposé peut aider les chercheurs et les praticiens à prédire avec précision le poids corporel des poulets à partir de mesures corporelles.Translated Description (Spanish)
Este estudio tuvo como objetivo desarrollar un modelo de aprendizaje automático (ML) de conjunto basado en K-Nearest Neighbor (KNN), Random Forest (RF), Regression Tree (RT) y Support Vector Machine (SVM) para la predicción del peso corporal (BW) de pollos a partir de sus rasgos morfométricos. Los datos de 100 pollos de engorde Ross 308 (50 hembras y 50 machos) del día 1 al 29 se utilizaron para predecir el BW de pollos utilizando diversas mediciones corporales como la circunferencia corporal, la longitud corporal, la longitud de la quilla, la longitud del ala y la longitud del vástago. Los datos se dividieron aleatoriamente en conjuntos de datos de entrenamiento (80%) y pruebas (20%) y se empleó una validación cruzada de 10 veces para verificar la estabilidad del modelo. El rendimiento predictivo del método de conjunto propuesto se evaluó y se comparó con modelos de ML individuales utilizando criterios de evaluación de coeficiente de determinación ajustado ( ), error cuadrático medio ( ), error absoluto medio ( y error porcentual absoluto medio). El modelo de conjunto propuesto superó a todos los demás métodos de ML utilizados en el estudio, teniendo una precisión predictiva muy alta con valores de (0.999, 0.999), (3.222, 5.465), (2.332, 3.913) y (0.941, 2.029) para los conjuntos de datos de entrenamiento y pruebas, respectivamente. Los resultados del estudio revelaron que el modelo de conjunto propuesto puede ayudar a los investigadores y profesionales a predecir con precisión el peso corporal de los pollos a partir de las mediciones corporales.Files
07.pdf.pdf
Files
(399.4 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:0c154ac907032817a4f5730cacb452f3
|
399.4 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نهج التعلم الآلي الجماعي للتنبؤ بوزن جسم الدجاج من قياس الجسم
- Translated title (French)
- Une approche d'apprentissage automatique d'ensemble pour la prédiction du poids corporel des poulets à partir de la mesure du corps
- Translated title (Spanish)
- Un enfoque de aprendizaje automático en conjunto para la predicción del peso corporal de los pollos a partir de la medición corporal
Identifiers
- Other
- https://openalex.org/W4368374529
- DOI
- 10.36899/japs.2023.4.0673
References
- https://openalex.org/W2095255116
- https://openalex.org/W2102201073
- https://openalex.org/W2131335388
- https://openalex.org/W2332291192
- https://openalex.org/W2772048515
- https://openalex.org/W2782211343
- https://openalex.org/W2791899021
- https://openalex.org/W2804454816
- https://openalex.org/W2900676019
- https://openalex.org/W2911964244
- https://openalex.org/W2913825960
- https://openalex.org/W2967173402
- https://openalex.org/W3007377511
- https://openalex.org/W3013751827
- https://openalex.org/W3031414084
- https://openalex.org/W3041958489
- https://openalex.org/W3101332120
- https://openalex.org/W3119056801
- https://openalex.org/W3149839747
- https://openalex.org/W4205429736
- https://openalex.org/W4297957988