Salut, mon nom aussi Shalika Siddique
Mon nom aussi Anand Manivannan
et étaient les deux étudiants depuis Oklahoma du Sud père Université
et nous actuellement poursuivre un entreprise analytique et données science degré.
Aujourd'hui nous sont en présentant un fanfaron où nous explorer euthanasie
chez les animaux abris,
et nous espoir à comprendre pourquoi chats et chiens sont être mettre vers le bas.
Chaque année nous perdre à propos 920,0 animaux annuellement.
En utilisant JMPPro, nous serait comme à identifier le clé facteurs,
que plomb à euthanasie soi chats et chiens.
Une fois nous identifier ces facteurs clés,
fonds peut que canalisé à pertinent secteurs
à prévenir euthanasie soi animaux que pourrait avoir a été enregistré.
Dans ajout à ce, nous but à faire prédictions à identifier
lequel animaux sont la plupart probable à que euthanasié.
UN petit information à propos notre données ensemble ici,
nous source le données depuis d'Austin données portail,
et le animal abri que nous utiliser pour analyse aussi situé
dans Austin, 1999 Texas.
Dans l'ensemble, nous avait à propos 130,0 enregistrements.
Après nettoyage et filtration, nous concentré sur à propos 67 000 enregistrements
que étaient spécifique à chats et chiens.
Avant à notre analyse nous exploser le données ensemble
et tenté à dériver connaissances.
Nous utiliser JMP, graphique constructeur à créer visualisations
tel ici bar graphiques.
Depuis le 67 000 enregistrements, là étaient à propos 3 171 animaux
lequel étaient euthanasié.
Lequel aussi à propos 4.7 % animaux soi le abri.
Dans comparaison à animaux rendu à le abri par le propriétaire,
errer animaux étaient la plupart sujet à euthanasie.
Quand nous comparer le âge soi le animaux,
nous avis que chatons sous le âge soi 15 mois,
contribuer à 25 % soi euthanasie,
alors que chiots contribué à 13 % soi euthanasie
Ce bar graphique ici,
aussi je exemple soi un soi le visualisations
créé en utilisant JMP constructeur.
Le lavande bar représente chats,
alors que le violet bar représente chiens.
Nous peut voir que intact mâles suivi de par intact femelles
sont plus sujet à euthanasie,
par rapport à être castré animaux.
Suivant A nand volonté à sur dans détail sur le la modélisation.
Merci vous Shalika.
Oui, Identifiant comme à parler un peu plus à propos notre approche vers
la modélisation en utilisant JMP.
Avant nous pourrait commencer la modélisation,
nous effectué un peu données prétraitement pas à préparer notre données.
Nous a fait des choses comme standardisation unités
pour certain variables,
tel ici âge, lequel était dans semaines, mois et années.
Nous recherché...
Nous converti que à juste mois.
Nous plier sur le âge variable donc nous pourrait convertir il dans
un catégorique variable.
Il regardé dans le.
Il regardé comme âge gammes comme dix- 15 et 15- 25.
Nous groupé races rares et couleurs à réduit
le nombre soi catégories.
En plus, nous aussi filtré juste chats et chiens
depuis tous le autre animaux que est allé à travers le abri.
Pendant le un la modélisation phase nous remarqué quelque chose très particulier.
Nous remarqué que classe déséquilibre dans notre cible variable,
lequel parlé de à propos si je animal était adopté,
et si je animal était euthanasié.
À propos 64,0 enregistrements, dehors soi 67 000 enregistrements étaient adopté
animaux, et seulement 3 000 animaux étaient euthanasié animal.
Depuis un modèle était à se concentrer sur prédire euthanasie,
nous avait à résoudre ce problème, et ainsi nous utilisé JMP Amorcer modèle
et Forêt boostée à résoudre ce problème.
Il utilisé le notions soi ensachage et booster à faire ce.
Depuis ensachage et booster des modèles ne le faites pas vraiment
donner un parcelle soi chambre pour interprétation
dans termes soi quoi le variables faire,
nous utilisé logistique régression à interpréter ces variables ici Bien.
Après la modélisation,
nous à l'écoute en haut paramètres à obtenir le meilleur résultats.
Nous chose un peu certain métrique,
à choisir le meilleur modèle basé sur c'est performance sur validation données.
Nous utilisé un 70:3 % validation diviser,
et avant à la modélisation, nous aussi testé le hypothèses
pour logistique régression.
Ou sur à le haut droite, toi peut voir que nous testé
pour multicolinéarité et indépendance parmi variables
en utilisant JMP contingence analyse,
lequel propagé dehors un muse parcelle, et a donné nous un PS et corrélation valeur,
que essentiellement dit nous lequel variable était corrélé avec chaque autre.
Maintenant Identifiant comme à creuser un peu profond dans chaque modèle
et comment nous choisi notre des modèles.
Sur à le haut gauche,
toi serait voir que nous chose métrique comme spécificité,
ce classification zone sous le Crique et RS carré
à choisir lequel modèle effectué le meilleur.
Ces métrique étaient choisi pour un particulier raison
que aligné avec notre but.
Notre objectif était à prédire lequel animaux serait vouloir à que euthanasié.
Le coût soi notre modèle,
incorrectement prédire un euthanasié animal,
ici un non- euthanasié animal, serait signifier que animal
serait probablement mourir et pas que enregistré.
Ainsi nous recherché à se concentrer sur en augmentant le précision
soi euthanasié animaux et réduire le les erreurs de classement.
Ainsi ces particulier métriques, ont été choisis
Premièrement, nous couru le nominal logistique régression modèle,
lequel toi peut voir sur à le bas gauche.
Le Enregistrer valeur immédiatement a donné nous lequel variables
étaient le la plupart important dans prédire euthanasie.
Se tourne dehors il était sexe soi le animal admission condition,
admission taper et âge de résultat . . . .
UN parcelle soi ces sont pas surprenant,
et il assorti avec quoi recherche montre.
Le entier modèle tourné dehors à que significatif ici Bien,
le P- valeur moins que 0,001
Suivant que, nous couru le Amorçage F forêt modèle,
lequel était à l'écoute à avoir un cent des arbres et fonctionnalité sélection
critères valeur soi trois Amorcer.
Nous avons utilisé la réception en fonctionnement caractéristique ou le ASC courbe,
à déterminer lequel classification seuil
a donné nous le meilleur classification résultats.
Nous terminé en haut en utilisant 0,1 ou dix % ici notre classification seuil.
Sur à le droite,
toi serait voir que nous couru le Forêt boostée modèle,
avec paramètres soi 87 couches et un apprentissage taux soi 0,179
Sur à le bas,
nous utilisé le décision matrice pour tous trois des modèles à calculer
le spécificité soi chaque particulier modèle.
Que vous donner nous comment avec précision le euthanasié animaux
étaient être prédit.
Nous aussi utiliser mauvaise classification taux et RS carré
depuis le dans l'ensemble statistique languette soi JMP.
Dans chaque métrique, nous trouvé que notre Amorcer modèle
surperformé le autre des modèles,
et ainsi nous chose que ici le gagnant modèle à faire
prédictions sur euthanasie.
Suivant, je serait comme à à sur,
quelques important résultats que logistique régression a donné nous.
Avec salutations à sexe,
nous trouvé que intact chats et intact chiens,
étaient chemin plus probable à que euthanasié que
stérilisé animaux.
Avec salutations à race, nous trouvé que mixte chat races,
et Pitbull chien mixte races, étaient plus probable à que euthanasié
que tous autre races.
Avec salutations vieillir nous trouvé que chats que sont 4.5
à 6 années, sont plus probable à que euthanasié que plus jeune chats.
Chiens sous 1.2 années sont le moins probable être euthanasié.
C'était largement surprenant parce que c'est contradictoire
à quoi nous trouvé pendant un données phase de prospection.
De la même manière, avec égard à admission taper,
nous trouvé que plus vieux rendu animaux,
sont deux fois plus probable à que euthanasié que errer animaux.
Ce aussi complètement, encore, contradictoire à quoi nous trouvé
dans le données exploration phase.
Que va à montrer que quoi le pouvoir soi statistique
analyse et imbattable vrai faits.
Suivant, je volonté que remise il désactivé à Chalika encore
à à quoi recommandations nous peut faire à ces animal abris.
Merci toi Anand.
Basé sur notre analyse, nous avoir un peu recommandations
que animal abris pourrait utiliser à inférieur euthanasie.
Nous croire que animaux pris dans le abri
devrait que castré ou stérilisé
Ce aussi dans conformité avec médical recherche,
lequel prouve que intact animaux sont plus sujet à maladies.
Animal abris pourrait aussi utiliser notre Amorcer Forêt modèle
à prioriser lequel animaux besoins à que enregistré,
dans cas un difficile décision besoins à que fait.
Dans soutien soi que,
ici sont quelques recommandations depuis d'Austin animal abri.
Ce particulier abri serait besoin à prioriser chats sur chiens
ici ils sont plus sujet à euthanasie.
Avec salutations à âge, chats vieilli entre 4.5-6 années,
et chiens sur 1.2 années serait exiger plus attention.
Propriétaire rendu chiens besoin à que priorisé sur errer animaux.
Enfin, quand il vient à races,
Pitbull mélanger chien races et mixte chat races,
sont plus sujet à l'euthanasie et serait probable exiger plus attention.
Que apporte nous à le fin soi notre présentation.
Nous espoir que animal abris pourrait utiliser ce analyse,
à réduit le besoin pour je animal à que euthanasié.
Merci.
