級別：初級
Sherisa Yocher，康乃狄克大學研究生
Saraswathi Sathees，康乃狄克大學研究生
麗貝卡吉爾，康乃狄克大學研究生
在馬來西亞，PetFinder.my 自2008 年以來一直是排名第一的動物福利平台。在這項分析中，我們對超過14,500 份寵物檔案進行了分析，以找到關鍵見解，幫助收容所和其他非營利組織製作未來的寵物檔案，從而引領盡可能最快的採用率。我們致力於減少動物痛苦和安樂死，同時讓寵物家庭幸福快樂。
樣本資料由 PetFinder.my 提供，並由一組五個原始資料檔案編譯而來。初始資料集包含 18,481 行和 28 列資料。資料經過預處理後，資料集包含14991行15列資料。目標變數是採用速度（是否在 30 天內；是 = 1，否 = 0），這是使用 14 個統計顯著變數進行預測的。
創建了七個模型來預測寵物收養速度，包括決策樹、引導森林、提升樹、神經網路、K 最近鄰、序數回歸和樸素貝葉斯。在根據錯誤分類率、RMSE、1 準確率和總準確率評估所有七個模型後，確定樸素貝葉斯是最佳模型。根據樸素貝葉斯模型的結果，PetFinder.my 的主要建議包括以下內容：首先，每個寵物檔案應僅包含一隻寵物，而不是一窩或一組多隻寵物；其次，每份寵物檔案必須包含至少一張照片，且不超過10張照片；第三，PetFinder.my應該考慮將寵物從收養率低的州運送到其他收養率較高的州；最後，儘管需要支付相關費用，但在將不健康的寵物送去領養之前，應對其進行護理使其恢復健康。實施這些關鍵建議應該會降低無家可歸寵物的收養速度，減少動物的痛苦，同時讓寵物家庭幸福快樂。
