你好，每個人，和歡迎到我們的推介會。 我的姓名是博士安迪·莫羅穆斯塔科斯。 我是A教授在這農業統計數據實驗室在這大學的阿肯色州。 我的共同主持人是博士肖娜魏默。她是一個助理教授在家禽科學部門在這大學的阿肯色州，和她是這動物福利總統在這大學。
是去到演講到你今天關於預測性的楷模為了BCO跛行使用健康和壓力和腿健康參數在肉雞。 我們的推介會是去到是短的。 是去到討論這楷模那我們是配件，這冠軍楷模，這那些那他們得到這獎牌。 是去到評價他們，和是去到有一些結論在這結尾。 肖娜？
全部正確的。 這學習比較的生理和非侵入性措施的壓力和跛行在臨床上健康和BCO—或者乙動脈性軟骨壞死伴隨骨髓炎－負荷肉雞。 BCO是A領導原因的傳染性的跛行在肉雞雞，和群診斷要求安樂死。 因此，有A需要為了技術性的創新到探測健康和跛行地位在動物到專案這疾病可能性事先的到臨床發病。
在這學習，鳥類是上調在分離環境的室和任何一個木頭刨花在這地面，或者這亂丟垃圾，和A金屬絲地板模型那是已驗證到誘發BCO跛行。 九非侵入性措施的壓力和跛行是集從256鳥類，男性肉雞,超過一些幾週，哪個包括核身體溫度，壓力激素，表面溫度的這頭，這眼睛，和這喙，和這腿,這飛節,這柄，和這腳，和紅外線的熱成像。 腿血氧飽和曾是也測量的和A脈衝血氧計。
的這些措施，兩個我們尋求到證實。 這第一的曾是萃取的皮質酮從這羽毛。 皮質酮是這主要的基本的壓力激素，和這金子標準為了措施是血血清濃度，哪個需要這捕獲和克制的這鳥到收集它。所以如果羽毛皮質酮可以是已驗證，然後我們可以簡單地夾子A羽毛和不是放這鳥透過那壓力的克制和血畫。
這第二曾是這熱的圖片，的哪個每個像素有它是自己的溫度記錄的和能是用過的到量化外部的變化在皮膚溫度有關的到血流動，奉獻A非侵入性工具到措施健康和福利。 期間壓力，週邊血是分流的到這核，和我們預期的這平均的像素的這眼睛和這喙，或者平均和巴夫格，到是降低在跛比聲音鳥類，哪個我們相關的和這血清皮質酮。
為了這熱的圖片的這腿,我們預期的這平均的像素溫度的這飛節,這柄，和這腳到是降低在這跛鳥類，兩個都為了這壓力原因和也為了這殖民化的這細菌那放慢了這血流動，哪個我們相關的和這腿血氧飽和。 那裡是標記的差異之間跛和聲音鳥類。
我們的目標是到確認哪個的這些九健康和壓力指標是重要的為了跛行。 我們想到建造楷模，兩個都為了預言目的，但我們是在農業，和我們喜歡到發布文件那嘗試到解釋如何我們的輸入正在影響這回覆. 我們是希望那一些的這楷模，這傳統的回歸楷模，將要做相當出色地和我們能解釋那些。
在我們的方法，我們談過關於… 它是A均衡學習。 它是A配對實驗在哪裡每一個時間A聲音鳥是觀察到的， A跛鳥是也觀察到的在這相同的指標。 我們有一個發生率的A疾病的0.5。是去到拿優勢的這模型篩選平台的聯合管理計劃專業版17.是去到選擇這跛那有價值觀1和0絕對的。 1 個看台為了，是的，它是瘸。0是這聲音。
我們有我們的九預測因子在這裡。 是去到做這預設值. 是去到適合所有人的這機器學習楷模，那他們是檢查過。 是去到選擇叉驗證。 是去到有5倍叉驗證。 和我們的近似250鳥類，是去到有關於50鳥類每折疊，和是去到重複它兩次。我們已選擇這隨機的種子所以我們能複製這結果。 注意那我做過不是添加這二次的條款和交互作用條款到希望有更輕鬆解釋。
什麼時候我們選擇這，和我們點選」跑步,”聯合管理計劃需要關於A分鐘。我的去到來向上和這排行的這楷模那我們有已安裝。 這是什麼我們稱呼這開始的這結尾。 我們有10不同的數據套那我們有嘗試過。 這是這平均的合身標準，更高這RS正方形，和是這排行這最好的，第二最好的，第三最好的。
希望為了我們，我們預期的那這神經增強模型可能做A小的位元更好的比這傳統的回歸楷模，這樣的作為這受到處罰回歸和這物流回歸楷模，但我們是快樂的到看那這些是我們的關閉第二。
如果我們通緝到看如何我們的最好的模型做過，是去到去和看那這最好的模型-這神經增強，那是這最好的模型為了預測目的-有A錯誤分類的0。你能看這裡兩個都在這訓練和這驗證那我們的接收者操作特徵曲線達到非常很快這1和停留在1、哪個是極為好的。我們看這錯亂指標那出去的這49鳥類，是不是真的錯誤分類任何的他們，所以這是A非常好的模型和A非常高的廣義的RS方形和全部的這其他合身標準那是產生的在這裡。
但我們是更多的有興趣的在這回歸類型楷模。 這回歸類型的楷模，這廣義的回歸，我們能看那什麼時候我們使用套索作為這估計方法，這模型包括全部的這變數，和我們有夫妻的非-重要的變數在這模型在這裡。 我們能看這些非-重要的因素，這樣的作為這福科特，你能看它那它是不是穿越這水平的線。 你能看那這年平均的是不是重要的，但是包括。我們能看那這模型有大約三個錯誤分類，一個錯誤分類速度的關於7 %。
這裡是這第三模型那曾是... 如果我們有到給它金子，銀，和青銅，這些二將要分享這第二地方。 這物流回歸模型，什麼時候我們做過這步明智的程式,決定不是到包括這二高度非-重要的因素。 我們能看在我們的回歸模型，在這物流回歸模型，那史考特是這最多重要的多變的。這模型有相似的錯誤分類速度的三，這相同的作為這物流回歸。
這裡是如何這七指標變數是用過的到預測這可能性的跛行。 什麼我們喜歡關於這回歸類型的楷模是那我們能得到賠率比率那將要幫助我們到解釋。 為了例子，為了我們的最多重要的多變的，我們能看那這賠率的跛行是兩次和一單元的增加是血清皮質醇。
全面的，我們會喜歡到說那這物流回歸模型僅有的用過的七出去的這九指標。 這神經增強模型和這廣義的回歸，兩個都的他們用過的全部九指標為了跛行。 全部的這楷模有區域在下面這的曲線更大比0.9。全部的這楷模有A降低… 回歸類型型號數有這7 %錯誤分類在這驗證放，和這神經增強做過不是有任何事物。
我們能比較我們的三優勝者楷模使用這模型比較平台在傑明P。 我們能看那在條款的預測,嚴格地預測,這神經增強模型是顯著地更好的比兩個都的這廣義的回歸和這回歸模型。 這二回歸楷模,這一和全部九變數與這一和這七變數，是不是顯著地不同的從每個其他。他們全部有A非常相似的區域在下面這曲線，和他們有相似的錯誤分類的三鳥類。
這是我們的推介會。 星期三喜歡到感謝你為了你的注意力。 我們有一些參考那你能尋找相似的有關的材料到這技巧那我們用過的在聯合管理計劃文件那將要幫助你透過這過程。 感謝你為了你的注意力。
