級別：初學者
Sherisa Yocher，康涅狄格大學研究生
Saraswathi Sathees，康涅狄格大學研究生
Rebecca Gill，康涅狄格大學研究生
自2008年以來，在馬來西亞，PetFinder.my一直是第一大動物福利平台。在此分析中，已分析了14,500多種寵物簡介，以找到重要的見解，這將有助於庇護所和其他非營利組織製作未來的寵物簡介，從而盡可能提高采用率。我們力求減少寵物痛苦和安樂死的數量，同時使快樂的寵物家庭聚在一起。
樣本數據由PetFinder.my提供，並由五個原始數據文件組成。初始數據集包含18481行和28列數據。在對數據進行預處理之後，數據集包含14,991行和15列數據。目標變量是採用速度（是否在30天之內；是= 1，否= 0），這是使用14個具有統計意義的變量預測的。
創建了七個模型來預測寵物的收養速度，包括決策樹，引導森林，增強樹，神經網絡，K最近鄰，有序回歸和朴素貝葉斯。在根據誤分類率，RMSE，1的準確性和總準確性評估了所有七個模型後，確定樸素貝葉斯是最佳模型。根據樸素貝葉斯模型的結果，對PetFinder.my的主要建議如下：首先，每個寵物檔案應僅包含一隻寵物，而不是一窩或多隻寵物的組合。其次，每個寵物檔案必須至少包含一張照片且不超過10張照片；第三，PetFinder.my應該考慮將寵物從收養率較低的州轉移到收養率較高的其他州；最後，儘管有相關費用，但不健康的寵物應在調養之前進行調養。 實施這些關鍵建議應降低無家可歸寵物的收養速度，並減少使快樂寵物家庭聚在一起的動物遭受的痛苦。
