级别：初学者
Sherisa Yocher，康涅狄格大学研究生
Saraswathi Sathees，康涅狄格大学研究生
Rebecca Gill，康涅狄格大学研究生
自2008年以来，在马来西亚，PetFinder.my一直是第一大动物福利平台。在此分析中，已分析了14,500多种宠物简介，以找到重要的见解，这将有助于庇护所和其他非营利组织制作未来的宠物简介，从而尽可能提高采用率。我们力求减少宠物痛苦和安乐死的数量，同时使快乐的宠物家庭聚在一起。
样本数据由PetFinder.my提供，并由五个原始数据文件组成。初始数据集包含18481行和28列数据。在对数据进行预处理之后，数据集包含14,991行和15列数据。目标变量是采用速度（是否在30天之内；是= 1，否= 0），这是使用14个具有统计意义的变量预测的。
创建了七个模型来预测宠物的收养速度，包括决策树，引导森林，增强树，神经网络，K最近邻，有序回归和朴素贝叶斯。在根据误分类率，RMSE，1的准确性和总准确性评估了所有七个模型后，确定朴素贝叶斯是最佳模型。根据朴素贝叶斯模型的结果，对PetFinder.my的主要建议如下：首先，每个宠物档案应仅包含一只宠物，而不是一窝或多只宠物的组合。其次，每个宠物档案必须至少包含一张照片且不超过10张照片；第三，PetFinder.my应该考虑将宠物从收养率较低的州转移到收养率较高的其他州；最后，尽管有相关费用，但不健康的宠物应在调养之前进行调养。 实施这些关键建议应降低无家可归宠物的收养速度，并减少使快乐宠物家庭聚在一起的动物遭受的痛苦。
