动物收容所中的安乐死：为什么猫科动物和犬科动物被安乐死？ (2022-US-EPO-1136)Shalika Siddique，俄克拉荷马州立大学研究生
Anand Manivannan，俄克拉荷马州立大学研究生
我们每年都会失去大约 920,000 个收容所动物安乐死请求。 相反，这些动物本可以让 92 万个家庭更加幸福。 我们想探索奥斯汀动物中心的当前数据，以了解哪些条件会导致安乐死请求，以及是否可以采取措施来防止它们。 该数据源自奥斯汀的开放数据门户，由两个表格组成：摄入量和结果，日期从 2013 年 10 月 1 日至今。 摄入量代表动物到达动物中心时的状态，而结果代表动物离开时的状态。 每只动物都通过唯一的动物 ID 进行识别。 每个表由 136K 数据点和 12 个特征组成。 我们首先按品种、性别、年龄和摄入条件等不同类别探索数据的分布。最后，使用逻辑回归和随机森林分类器等分类模型来预测动物是否会被安乐死。 了解关键因素，例如它们的摄入条件、安乐死的亚型、品种和年龄，可以揭示了解这些动物被处决的原因的重要见解，从而就研究和设施的资金投入提供建议。
你好，我的姓名也莎莉卡·西迪克
我的姓名也阿南德·马尼瓦南
和是两个都学生从南俄克拉荷马州父亲大学
和我们现在追求A商业分析和数据科学程度。
今天我们是呈现A自夸者在哪里我们探索安乐死
在动物中避难所，
和我们希望到理解为什么猫和小狗是存在放向下。
每一个年我们失去关于920,0动物每年。
使用JMP Pro，我们会喜欢到确认这钥匙因素，
那带领到安乐死自己猫和小狗。
一次我们确认这些关键因素，
资金能那引导的到相关的部门
到防止安乐死自己动物那可以有到过已保存。
在添加到这，我们目的到制作预测到确认
哪个动物是最多可能到那安乐死。
A小的信息关于我们的数据放这里，
我们来源这数据从奥斯汀的数据门户网站，
和这动物庇护所那我们使用为了分析也位于
在奥斯汀，1999德克萨斯州。
全面的，我们有关于130,0记录。
后打扫和过滤，我们专注的在关于67,000记录
那是具体的到猫和小狗。
事先的到我们的分析我们爆炸这数据放
和尝试过到派生见解。
我们使用JMP，图形建设者到创造可视化
这样的这里酒吧图表。
从这67,000记录，那里是关于3,171动物
哪个是安乐死。
哪个也关于4.7 %动物自己这庇护所。
在比较到动物投降到这庇护所经过这所有者，
流浪动物是最多易于到安乐死。
什么时候我们比较这年龄自己这动物，
我们注意那小猫在下面这年龄自己15个月，
贡献到25 %自己安乐死，
尽管幼崽贡献了到13 %自己安乐死
这酒吧图形这里，
也我例子自己一自己这可视化
已创建使用JMP建设者。
这薰衣草酒吧代表猫，
尽管紫色的酒吧代表小狗。
我们能看那完好无损的男性其次是经过完好无损的女性
是更多的易于到安乐死，
相比于被绝育动物。
下一个与非将要到超过在细节超过这造型。
谢谢你沙莉卡。
是的， ID喜欢到讲话A少量更多的关于我们的方法向
造型使用JMP。
前我们可以开始造型，
我们执行的A很少数据预处理脚步到准备我们的数据。
我们做过事物喜欢标准化单位
为了肯定变量，
这样的这里年龄，哪个曾是在几周，月和年。
我们通缉...
我们转换的那到只是几个月。
我们弯曲在这年龄多变的所以我们可以转变它进入
A绝对的多变的。
它看着在这。
它看着喜欢年龄范围喜欢10- 15和15- 25.
我们分组的稀有品种和颜色到减少
这数字自己类别。
此外，我们还过滤的只是猫和小狗
从全部这其他动物那去通过这庇护所。
在此期间A造型阶段我们注意到某物非常奇特。
我们注意到那班级不平衡在我们的目标多变的，
哪个讨论过关于无论我动物曾是采用，
和无论我动物曾是安乐死。
关于64,0记录，出去自己67,000记录是通过
动物，和仅有的3,000动物是安乐死动物。
自从A模型曾是到重点在预测安乐死，
我们有到解决这问题，和因此我们用过的JMP引导程序模型
和增强森林到解决这问题。
它用过的这概念自己套袋和提升到做这。
自从装袋和提升楷模不真的
给A很多自己房间为了解释
在条款自己什么这变量做，
我们用过的后勤回归到解释这些变量这里出色地。
后造型，
我们调谐向上参数到得到这最好的结果。
我们事物A很少肯定指标，
到选择这最好的模型基于在它是表现在验证数据。
我们用过的A 70:3 %验证分裂，
和事先的到造型，我们还经测试这假设
为了后勤回归。
或者超过到这顶部正确的，你能看那我们经测试
为了多重共线性和独立之中变量
使用JMP意外事件分析，
哪个传播出去A沉思阴谋，和给了我们A附言和相关性价值，
那基本上告诉我们哪个多变的曾是相关的和每个其他。
现在ID喜欢到挖A少量深的进入每个模型
和如何我们已选择我们的楷模。
超过到这顶部左边，
你会看那我们事物指标喜欢特异性，
这分类区域在下面这海湾和RS方形
到选择哪个模型执行的这最好的。
这些指标是选择的为了A特别的原因
那对齐和我们的目标。
我们的目标曾是到预测哪个动物会想要到那安乐死。
这成本自己我们的模型，
不正确地预测A安乐死动物，
这里A非安乐死动物，会意思是那动物
会大概死和不是那已保存。
因此我们通缉到重点在增加这准确性
自己安乐死动物和减少这错误分类。
因此这些特别的指标，被选择
首先我们跑这名义上的后勤回归模型，
哪个你能看超过到这底部左边。
这日志值得立即地给了我们哪个变量
是这最多重要的在预测安乐死。
转弯出去它曾是性别自己这动物录取健康）状况，
录取类型和结果年龄……
A很多自己这些是不是奇怪，
和它匹配的和什么研究显示。
这所有的模型转身出去到那重要的这里出色地，
这P-价值较少的比0.001
下列的那，我们跑这引导F奥雷斯特模型，
哪个曾是调谐到有A百树和特征选择
标准价值自己三引导程序。
我们使用接收操作特征或者这曲线下面积曲线，
到决定哪个分类临界点
给了我们这最好的分类结果。
我们结束了向上使用0.1或者10 %这里我们的分类临界点。
超过到这正确的，
你会看那我们跑这增强森林模型，
和参数自己87层数和A学习速度自己0.179
超过在这底部，
我们用过的这决定矩阵为了全部三楷模到计算
这特异性自己每个特别的模型。
哪个你给我们如何准确这安乐死动物
是存在预料到的。
我们还使用错误分类速度和RS方形
从这全面的统计标签自己JMP。
在每一个公制，我们成立那我们的引导程序模型
表现优于这其他楷模，
和因此我们事物那这里这获胜模型到制作
预测在安乐死。
下一个，我会喜欢到到超过，
一些重要的结果那后勤回归给了我们。
和问候到性别，
我们成立那完好无损的猫和完好无损的小狗，
是方式更多的可能到那安乐死比
绝育动物。
和问候到品种，我们成立那混合的猫品种，
和斗牛犬狗混合的品种，是更多的可能到那安乐死
比全部其他品种。
和问候变老我们成立那猫那是4.5
至 6年，是更多的可能到那安乐死比更年轻猫。
小狗在下面1.2年是这至少可能被安乐死。
这是广泛奇怪因为它是矛盾的
到什么我们成立期间A数据探索阶段。
相似地，和看待到录取类型，
我们成立那较老的投降动物，
是两次更多的可能到那安乐死比流浪动物。
这也完全地，再次，矛盾的到什么我们成立
在这数据勘探阶段。
那去到展示那什么这力量自己统计
分析和不败的真的事实。
下一个，我将要那处理它离开到沙利卡再次
到到什么建议我们能制作到这些动物庇护所。
谢谢你阿南德。
基于在我们的分析，我们有A很少建议
那动物庇护所可以使用到降低安乐死。
我们相信那动物采取进入这庇护所
应该那绝育的或者绝育的
这也在按照和医疗的研究，
哪个证明那完好无损的动物是更多的易于到疾病。
动物庇护所可以还使用我们的引导程序森林模型
到优先考虑哪个动物需要到那已保存，
在案件A难的决定需要到那制成。
在支持自己那，
这里是一些建议从奥斯汀的动物庇护所。
这特别的庇护所会需要到优先考虑猫超过小狗
这里他们是更多的易于到安乐死。
和问候到年龄，猫老年的之间4.5-6年，
和小狗超过1.2年会要求更多的注意力。
所有者投降小狗需要到那优先的超过流浪动物。
最后，什么时候它来了到品种，
斗牛犬混合狗品种和混合的猫品种，
是更多的易于安乐死和会可能要求更多的注意力。
那带来我们到这结尾自己我们的推介会。
我们希望那动物庇护所可以使用这分析，
到减少这需要为了我动物到那安乐死。
谢谢。
