你好，每个人，和欢迎到我们的推介会。 我的姓名是博士安迪·莫罗穆斯塔科斯。 我是A教授在这农业统计数据实验室在这大学的阿肯色州。 我的共同主持人是博士肖娜魏默。她是一个助理教授在家禽科学部门在这大学的阿肯色州，和她是这动物福利主席在这大学。
是去到讲话到你今天关于预测性的楷模为了BCO跛行使用健康和压力和腿健康参数在肉鸡。 我们的推介会是去到是短的。 是去到讨论这楷模那我们是配件，这冠军楷模，这那些那他们得到这奖牌。 是去到评价他们，和是去到有一些结论在这结尾。 肖娜？
全部正确的。 这学习比较的生理和非侵入性措施的压力和跛行在临床上健康和BCO—或者乙动脉性软骨坏死伴骨髓炎——充满肉鸡。 BCO是A领导原因的传染性的跛行在肉鸡鸡，和群诊断要求安乐死。 因此，有A需要为了技术性的创新到探测健康和跛行地位在动物到项目这疾病可能性事先的到临床发病。
在这学习，鸟类是上调在分离环境的室和任何一个木头刨花在这地面，或者这乱扔垃圾，和A金属丝地板模型那是已验证到诱发BCO跛行。 九非侵入性措施的压力和跛行是集从256鸟类，男性肉鸡,超过一些几周，哪个包括核身体温度，压力激素，表面温度的这头，这眼睛，和这喙，和这腿,这飞节,这柄，和这脚，和红外线的热成像。 腿血氧饱和曾是还测量的和A脉冲血氧计。
的这些措施，两个我们寻求到证实。 这第一的曾是萃取的皮质酮从这羽毛。 皮质酮是这主要的基本的压力激素，和这金子标准为了措施是血血清浓度，哪个需要这捕获和克制的这鸟到收集它。所以如果羽毛皮质酮可以是已验证，然后我们可以简单地夹子A羽毛和不是放这鸟通过那压力的克制和血画。
这第二曾是这热的图片，的哪个每个像素有它是自己的温度记录的和能是用过的到量化外部的变化在皮肤温度有关的到血流动，奉献A非侵入性工具到措施健康和福利。 期间压力，周边血是分流的到这核，和我们预期的这平均的像素的这眼睛和这喙，或者平均和巴夫格，到是降低在瘸比声音鸟类，哪个我们相关的和这血清皮质酮。
为了这热的图片的这腿,我们预期的这平均的像素温度的这飞节,这柄，和这脚到是降低在这瘸鸟类，两个都为了这压力原因和还为了这殖民化的这细菌那放慢了这血流动，哪个我们相关的和这腿血氧饱和。 那里是标记的差异之间瘸和声音鸟类。
我们的目标是到确认哪个的这些九健康和压力指标是重要的为了跛行。 我们想到建造楷模，两个都为了预言目的，但我们是在农业，和我们喜欢到发布文件那尝试到解释如何我们的输入正在影响这回复。 我们是希望那一些的这楷模，这传统的回归楷模，将要做相当出色地和我们能解释那些。
在我们的方法，我们谈过关于… 它是A均衡学习。 它是A配对实验在哪里每一个时间A声音鸟是观察到的， A瘸鸟是还观察到的在这相同的指标。 我们有一个发生率的A疾病的0.5。是去到拿优势的这模型筛选平台的联合管理计划专业版17.是去到选择这瘸那有价值观1和0绝对的。 1 个看台为了，是的，它是瘸。0是这声音。
我们有我们的九预测因子在这里。 是去到做这默认值。 是去到适合所有人的这机器学习楷模，那他们是检查过。 是去到选择叉验证。 是去到有5倍叉验证。 和我们的近似250鸟类，是去到有关于50鸟类每折叠，和是去到重复它两次。我们已选择这随机的种子所以我们能复制这结果。 注意那我做过不是添加这二次的条款和相互作用条款到希望有更轻松解释。
什么时候我们选择这，和我们点击”跑步,”联合管理计划需要关于A分钟。我的去到来向上和这排行的这楷模那我们有已安装。 这是什么我们称呼这开始的这结尾。 我们有10不同的数据套那我们有尝试过。 这是这平均的合身标准，更高这RS正方形，和是这排行这最好的，第二最好的，第三最好的。
希望为了我们，我们预期的那这神经增强模型可能做A小的少量更好的比这传统的回归楷模，这样的作为这受到处罚回归和这物流回归楷模，但我们是快乐的到看那这些是我们的关闭第二。
如果我们通缉到看如何我们的最好的模型做过，是去到去和看那这最好的模型-这神经增强，那是这最好的模型为了预测目的-有A错误分类的0。你能看这里两个都在这训练和这验证那我们的接收者操作特征曲线达到非常很快这1和停留在1、哪个是极其好的。我们看这困惑指标那出去的这49鸟类，是不是真的错误分类任何的他们，所以这是A非常好的模型和A非常高的广义的RS方形和全部的这其他合身标准那是产生的在这里。
但我们是更多的感兴趣的在这回归类型楷模。 这回归类型的楷模，这广义的回归，我们能看那什么时候我们使用套索作为这估计方法，这模型包括全部的这变量，和我们有夫妻的非-重要的变量在这模型在这里。 我们能看这些非-重要的因素，这样的作为这福科特，你能看它那它是不是穿越这水平的线。 你能看那这年平均的是不是重要的，但是包括。我们能看那这模型有大约三个错误分类，一个错误分类速度的关于7 %。
这里是这第三模型那曾是... 如果我们有到给它金子，银，和青铜，这些二将要分享这第二地方。 这物流回归模型，什么时候我们做过这步明智的程序，决定不是到包括这二高度非-重要的因素。 我们能看在我们的回归模型，在这物流回归模型，那斯科特是这最多重要的多变的。这模型有相似的错误分类速度的三，这相同的作为这物流回归。
这里是如何这七指标变量是用过的到预测这可能性的跛行。 什么我们喜欢关于这回归类型的楷模是那我们能得到赔率比率那将要帮助我们到解释。 为了例子，为了我们的最多重要的多变的，我们能看那这赔率的跛行是两次和一单元的增加是血清皮质醇。
全面的，我们会喜欢到说那这物流回归模型仅有的用过的七出去的这九指标。 这神经增强模型和这广义的回归，两个都的他们用过的全部九指标为了跛行。 全部的这楷模有区域在下面这的曲线更大比0.9。全部的这楷模有A降低… 回归类型型号数有这7 %错误分类在这验证放，和这神经增强做过不是有任何事物。
我们能比较我们的三优胜者楷模使用这模型比较平台在杰明P。 我们能看那在条款的预测,严格地预测,这神经增强模型是显著地更好的比两个都的这广义的回归和这回归模型。 这二回归楷模,这一和全部九变量与这一和这七变量，是不是显著地不同的从每个其他。他们全部有A非常相似的区域在下面这曲线，和他们有相似的错误分类的三鸟类。
这是我们的推介会。 星期三喜欢到感谢你为了你的注意力。 我们有一些参考那你能寻找相似的有关的材料到这技巧那我们用过的在联合管理计划文档那将要帮助你通过这过程。 感谢你为了你的注意力。
