级别：初级
Sherisa Yocher，康涅狄格大学研究生
Saraswathi Sathees，康涅狄格大学研究生
丽贝卡·吉尔，康涅狄格大学研究生
在马来西亚，PetFinder.my 自 2008 年以来一直是排名第一的动物福利平台。在这项分析中，我们对超过 14,500 份宠物档案进行了分析，以找到关键见解，帮助收容所和其他非营利组织制作未来的宠物档案，从而引领以尽可能最快的采用率。我们致力于减少动物痛苦和安乐死，同时让宠物家庭幸福快乐。
样本数据由 PetFinder.my 提供，并由一组五个原始数据文件编译而来。初始数据集包含 18,481 行和 28 列数据。数据经过预处理后，数据集包含14991行15列数据。目标变量是采用速度（是否在 30 天内；是 = 1，否 = 0），这是使用 14 个统计显着变量进行预测的。
创建了七个模型来预测宠物收养速度，包括决策树、引导森林、提升树、神经网络、K 最近邻、序数回归和朴素贝叶斯。根据错误分类率、RMSE、1 准确率和总准确率评估所有七个模型后，确定朴素贝叶斯是最佳模型。根据朴素贝叶斯模型的结果，PetFinder.my 的主要建议包括以下内容：首先，每个宠物档案应仅包含一只宠物，而不是一窝或一组多只宠物；其次，每份宠物档案必须包含至少一张照片，且不超过10张照片；第三，PetFinder.my应该考虑将宠物从收养率低的州运送到其他收养率较高的州；最后，尽管需要支付相关费用，但在将不健康的宠物送去领养之前，应该对其进行护理使其恢复健康。实施这些关键建议应该会降低无家可归宠物的收养速度，减少动物的痛苦，同时让宠物家庭幸福快乐。
