چكيده فارسي :
سابقه و هدف: پايش تركيبات شير يك گله مي‌تواند به ارزيابي سلامت و وضعيت تغذيه‌اي گاوهاي شيري كمك كند. چربي شير يكي از با ارزش‌ترين تركيبات شير به شمار مي‌رود. چربي متغيرترين تركيب شير بوده و عوامل بسيار متعدد فيزيولوژيكي و محيطي مي‌توانند نسبت و مقدار آن را در شير تحت تأثير قرار بدهند. در صورتي كه چربي شير گله‌اي 3/0 درصد كم‌تر از ميانگين نژادي باشد مي‌تواند نشان‌گر بروز مشكلي باشد. جيره‌هايي كه امكان بهبود در خروج بيش‌تر چربي را در شير فراهم نمايند مي‌توانند به طور بالقوه از نظر اقتصادي سودمند باشند. بنابراين، جهت حفظ چربي شير ضروري است كه مهم‌ترين عوامل مؤثر بر آن شناسايي، پايش و اندازه‌گيري شود. الگوريتم انتخاب ويژگي يكي از روش‌هاي داده‌كاوي است و به زعم دانسته ما در هيچ مقاله‌اي از آن براي واكاوي مهم‌ترين عوامل مؤثر بر چربي شير گاوهاي هلشتاين استفاده نشده است. از اين رو، هدف از اين پژوهش تعيين مهم‌ترين عوامل مؤثر بر چربي شير گاوهاي هلشتاين با استفاده از الگوريتم انتخاب ويژگي بود.
مواد و روش‌ها: براي انجام اين پژوهش از 2112 داده خام حاصل از 66 عامل بالقوه مؤثر بر چربي شير استفاده شد. داده با سه روش مهم الگوريتم انتخاب ويژگي (روش‌هاي Best-First، Greedy-Stepwise و Ranker) و شش مدل مختلف (CFS-Subset-Eval، Info-Gain-Attribute-Eval، Gain-Ratio-Attribute-Eval، Symmetricer-Attribute-Eval، RelifeF-Attribute-Eval و Principal-Components) جهت تعيين مهم‌ترين عوامل مؤثر بر چربي شير ارزيابي شد. داده با استفاده از نرم افزار WEKA (نسخه 8/3) واكاوي شد.
يافته‌ها: نتايج نشان داد كه روش‌هاي Best-First و Greedy-Stepwise الگوريتم انتخاب ويژگي مناسب‌‌ترين روش براي انتخاب عوامل مؤثر بر چربي شير با استفاده از طبقه‌بندي Naive Bayes با كم‌ترين ميزان خطا هستند. بر اين اساس، مهم‌ترين عوامل مؤثر بر چربي شير به ترتيب اسيدهاي چرب غير استريفيه خون، كل اسيدهاي چرب فرار مايع شكمبه، عصاره اتري مصرفي، كل زمان صرف شده براي فعاليت نشخواري به ازاي هر كيلوگرم الياف نامحلول در شوينده خنثي مصرفي، كل زمان صرف شده براي فعاليت نشخواري به ازاي هر كيلوگرم الياف نامحلول در شوينده خنثي علوفه‌اي مصرفي، كل زمان صرف شده براي فعاليت جويدن به ازاي هر كيلوگرم الياف نامحلول در شوينده خنثي مصرفي، وزن بدن، نمره وضعيت بدني، ضخامت لايه چربي پشت و گلوكز خون تعيين شدند. بنابر اين، توجه به عوامل ذكر شده و پايش دائمي آن ها مي تواند به حفظ چربي شير در گله هاي پرورشي گاو شيري كمك كند.
نتيجه‌گيري: بر اساس انتخاب تعداد محدودي از عوامل مؤثر بر چربي شير با الگوريتم انتخاب ويژگي امكان پايش و اندازه‌گيري آن‌ها جهت حفظ مؤثر چربي شير در مزرعه و صرفه‌جويي در زمان و هزينه وجود دارد.
چكيده لاتين :
Background and objectives: Monitoring the milk components of a herd can help assess the health and nutritional status of lactating cows. Fat is one of the most valuable components of milk. Milk fat (proportion and total amount) is typically the most variable component in milk which is influenced by various physiological and environmental factors. A herd milk fat test below 0.3% of breed average can indicate a problem situation. Therefore, diets that allow for an improvement in milk fat output would potentially be economically advantageous. In order to maintain milk fat, it is necessary to identify, monitor, and measure the most important factors influencing milk fat. Feature selection algorithm is one of data mining methods and to the best of our knowledge no available literature to use this algorithm to refine most contributing factors affecting milk fat in Holstein dairy cows. Objective of this study was to determine the most important factors affecting milk fat of Holstein cows using feature selection algorithm.
Materials and methods: In the current study, a total of 2112 raw data obtained from 66 factors (which might potentially able to affect milk fat) was used. Data was evaluated by the three important methods (Best-First, Greedy-Stepwise, and Ranker methods) and six models (CFS-Subset-Eval, Info-Gain-Attribute-Eval, Gain-Ratio-Attribute-Eval, Symmetricer-Attribute-Eval, RelifeF-Attribute-Eval, Principal-Components) of feature selection algorithm. Data was analyzed using the WEKA Software (v. 3.8).
Results: Results indicated that both Best-First and Gready-Stepwise methods of feature selection algorithm are the most appropriate methods to select efficient factors affecting milk fat using Naive Bayes classification with minimized error. Accordingly, blood non-esterified fatty acid, total volatile fatty acids of rumen fluid, ether-extract intake, time spent rumination per kilogram of neutral detergent fiber intake, time spent rumination per kilogram of forage neutral detergent fiber intake, total chewing time per kilogram of neutral detergent fiber intake, body weight, body condition score, back fat thickness, and blood glucose were the most important factors affecting milk fat.
Conclusion: It is possible to monitor and measure of some limited factors selected by feature selection to efficiently maintain milk fat on-farm and save time and cost.
