こんにちは、みんな、そしていらっしゃいませに私たちのプレゼンテーション。 私の名前は博士アンディ・マウロムスタコス。 私はある教授での農業用統計研究室での大学のアーカンソー。 私の共同プレゼンターは博士ショーナワイマー。彼女はAです助手教授で家禽科学部門での大学のアーカンソー州そして彼女はの動物福祉議長での大学。
だった行くに話すにあなた今日について予測的なモデルのためにBCO跛行を使用して健康そしてストレスそして脚健康パラメーターでブロイラー。 私たちのプレゼンテーションは行くになれ短い。 だった行くに話し合うのモデルそれ私たちははフィッティング、のチャンピオンモデル、のものそれ彼らは得るのメダル。 だった行くに評価する彼ら、そしてだった行くに持っているいくつかの結論での終わり。 ショーナ？
全て右。 これ勉強比較した生理学的そして非侵襲的対策のストレスそして跛行で臨床的に健康そしてBCO—またはb骨髄炎を伴う動脈性軟骨壊死 - を伴うブロイラー。 BCOはある先頭に立って原因の感染性のある跛行でブロイラー鶏、と群れ診断必要とする安楽死。 したがって、あるよある必要のために技術的なイノベーションに検出する健康そして跛行状態で動物にプロジェクトの病気可能性前に臨床的発症。
でこれ勉強、鳥だった上げたで別環境部屋とどちらか木材削り屑の上の床、またはのゴミ、そしてあるワイヤー床材モデルそれは検証済みに誘発するBCO跛行。 九非侵襲的対策のストレスそして跛行だった集めましたから256鳥、男ブロイラー、以上いくつかの数週間、どれの含まれています芯体温度、ストレスホルモン、表面温度のの頭、の目、そしての嘴、そしての脚、の飛節、のシャンク、そしての足、と赤外線サーモグラフィー。 脚血酸素飽和だったまた測定されたとある脈酸素濃度計。
のこれら対策、二人の私たち求めたに検証。 の初めだった抽出のコルチコステロンからの羽毛。 コルチコステロンはの選考科目主要なストレスホルモン、そしての金標準のために対策は血血清濃度、どれの必要の捕獲そして拘束のの鳥に集めるそれ。それでもしフェザーコルチコステロンできたなれ検証された、それから私たちはできた単にクリップあるフェザーそしてない置くの鳥を通してそれストレスの拘束そして血描く。
の2番だったの熱の画像、のどれのそれぞれピクセルもっているその自分の温度記録されたそしてできるなれ使用済みに定量化する外部の変化で肌温度関連しているに血流れ、募集ある非侵襲的道具に測定健康そして福祉。 その間ストレス、周辺血は短絡されたにの芯、そして私たちは期待されるの平均ピクセルのの目そしての嘴、または平均そしてバグ、になれより低いでラメよりも音鳥、どれの私たちは相関のあるとの血清コルチコステロン。
のためにの熱の画像のの脚、私たちは期待されるの平均ピクセル温度ののホック、のシャンク、そしての足になれより低いでのラメ鳥、両方のためにのストレス理由そしてまたのためにの植民地化のの細菌それ遅くなったの血流れ、どれの私たちは相関のあるとの脚血酸素飽和。 そこにはだったマークされた違い間ラメそして音鳥。
私たちの目標はに識別するどれののこれら九健康そしてストレス指標は重要のために跛行。 私たちは欲しいに建てるモデル、両方のために予測目的、しかし私たちははで農業、そして私たちはのようにに公開論文それ試すに説明するどうやって私たちの入力影響を与えていますの応答。 私たちはは願ってそれいくつかのののモデル、の伝統的回帰モデル、意思するかなり良いそして私たちはできる解釈するそれらの。
で私たちのメソッド、私たちは話しましたについて… そのあるバランスのとれた勉強。 そのあるペアの実験を一致させるどこ毎時間ある音鳥は観察された、あるラメ鳥はまた観察されたでの同じインジケーター。 私たちは持っているの入射のある病気の0.5。だった行くに取るアドバンテージののモデルふるい分けプラットホームのJMPプロ17.だった行くに選択するのラメそれもっている価値観1そして0カテゴリー的な。 1スタンドのために、はい、そのラメ。0はの音。
私たちは持っている私たちの九予測子でここ。 だった行くにするのデフォルト。 だった行くにすべてに適合するのの機械学ぶモデル、それ彼らははチェックした。 だった行くに選択するクロス検証。 だった行くに持っている5倍クロス検証。 と私たちの近似250鳥、だった行くに持っているについて50鳥あたり折り畳み、そしてだった行くに繰り返すそれ2回。私たちは選択されたのランダムシードそれで私たちはできる再現するの結果。 知らせそれ私したない追加の二次関数条項そして交流条項にうまくいけば持っているより簡単に解釈。
いつ私たちは選択するこれ、そして私たちはクリック」走る、」 JMPかかりますについてある分。私tさんの行くに来る上とのランキングののモデルそれ私たちは持っている装着した。 これは何私たちは電話の始まりのの終わり。 私たちは持っている10違うデータセットそれ私たちは持っている試してみた。 これはの平均フィット基準、より高いのRSスクエア、そしてはのランキングの最高、 2番最高、三番目最高。
うまくいけばのために私たち、私たちは期待されるそれのニューラルブーストモデル5月するある少し少しより良いよりもの伝統的回帰モデル、そのようなとしてのペナルティを受ける回帰そしての物流回帰モデル、しかし私たちはだったハッピーに見るそれこれらは私たちの近い2番。
もし私たちは欲しかったに見るどうやって私たちの最高モデルした、だった行くに行くそして見るそれの最高モデル-のニューラルブースト、それはの最高モデルのために予測する目的-持っていたある誤分類の0.あなたできる見るここ両方でのトレーニングそしての検証それ私たちの受信機オペレーティング特性曲線到達するとてもすぐの1そしてに滞在します1、どれのは非常に良い。私たちは見るの混乱メトリクスそれ外のの49鳥、だったない本当に誤分類どれでもの彼ら、だからこれはあるとても良いモデルとあるとても高い一般化されたRS正方形そして全てのの他のフィット基準それは生産されたでここ。
しかし私たちははもっと興味があるでの回帰の種類モデル。 の回帰タイプのモデル、の一般化された回帰、私たちはできる見るそれいつ私たちは使用なげなわとしての推定方法、のモデル含まれています全てのの変数、そして私たちは持っているカップルの非-重要な変数でのモデルでここ。 私たちはできる見るこれら非-重要な要因、そのようなとしてのエフコート、あなたできる見るそれそれそのない交差点の水平ライン。 あなたできる見るそれの年平均はない重要な、しかしは含まれています。私たちはできる見るそれこれモデル持っていた約3 つの誤分類、1 つの誤分類レートのについて7 %。
ここはの三番目モデルそれだった... もし私たちは持っていたに与えるそれ金、銀、そしてブロンズ、これら二意思共有の2番場所。 の物流回帰モデル、いつ私たちはしたのステップ賢い手順、決めたないに含むの二非常に非-重要な要因。 私たちはできる見るで私たちの回帰モデル、での物流回帰モデル、それスコットはのほとんど重要変数。これモデルもっている似ている誤分類レートの三つ、の同じとしての物流回帰。
ここはどうやってのセブンインジケータ変数は使用済みに予測するの確率の跛行。 何私たちはのようにについての回帰タイプのモデルはそれ私たちはできる得るオッズ比率それ意思ヘルプ私たちに解釈する。 のために例、のために私たちのほとんど重要変数、私たちはできる見るそれのオッズの跛行は二度と1つユニットの増加は血清コルチゾール。
全体、私たちはするだろうのようにに言うそれの物流回帰モデルのみ使用済みセブン外のの九インジケーター。 のニューラルブーストモデルそしての一般化された回帰、両方の彼ら使用済み全て九指標のために跛行。 全てののモデル持っているエリア下のの曲線より大きなよりも0.9。全てののモデル持っているあるより低い… 回帰タイプモデルの持っていたの7 %誤分類の上の検証セット、そしてのニューラルブーストしたない持っている何でも。
私たちはできる比較する私たちの三つ勝者モデルを使用してのモデル比較プラットホームでJM P. 私たちはできる見るそれで条項の予測する、厳密に予測する、のニューラルブーストモデルは大幅より良いよりも両方のの一般化された回帰そしての回帰モデル。 の二回帰モデル、の1つと全て九変数と変数の1つとのセブン変数、はない大幅違うからそれぞれ他の。彼らは全て持っていたあるとても似ているエリア下の曲線、そして彼らは持っていた似ている誤分類の三つ鳥。
これは私たちのプレゼンテーション。 結婚したのようにに感謝あなたのためにあなたの注意。 私たちは持っているいくつかの参考文献それあなたできる探す似ている関連している材料にのテクニックそれ私たちは使用済みでJMPドキュメンテーションそれ意思ヘルプあなたを通してこれプロセス。 感謝あなたのためにあなたの注意。
