Salut, mon nom est Shalika Siddique
Mon nom est Anand Manivannan
et étaient les deux étudiants depuis Oklahoma S État Université
et nous actuellement poursuivre a entreprise analytique et données science degré.
Aujourd'hui nous sont présentation a fanfaron où nous explorer euthanasie
chez l'animal abris,
et nous espoir à comprendre pourquoi chats et chiens sont être mettre vers le bas.
Chaque année nous perdre à propos 920 000 animaux annuellement.
En utilisant JMP Pro, nous serait comme à identifier le clé facteurs,
que plomb à euthanasie de chats et chiens.
Une fois nous identifier ces facteurs clés,
fonds peut être canalisé à pertinent secteurs
à prévenir euthanasie de animaux que pourrait avoir a été enregistré.
Dans ajout à ce, nous but à faire prédictions à identifier
lequel animaux sont la plupart probable à être euthanasié.
A petit information à propos notre données ensemble ici,
nous source le données depuis Austin données portail,
et le animal abri que nous utiliser pour analyse est situé
dans Austin, Texas.
Dans l'ensemble, nous avait à propos 130 000 disques.
Après nettoyage et filtration, nous concentré sur à propos 67 000 archives
que étaient spécifique à chats et chiens.
Avant à notre analyse nous exploser le données ensemble
et tentative à dériver connaissances.
Nous utiliser JMPs, graphique constructeur à créer visualisations
tel comme bar graphiques.
Depuis le 67 000 disques, là étaient à propos 3 171 animaux
lequel étaient euthanasié.
Lequel est à propos 4.7 % animaux de le abri.
Dans comparaison à animaux s'est rendu à le abri par le propriétaire,
errer animaux étaient la plupart sujet à euthanasie.
Quand nous comparer le âge de le animaux,
nous avis que chatons sous le âge de 15 mois,
contribuer à 25 % de euthanasie,
alors que chiots a contribué à 13 % de euthanasie
Ce bar graphique ici,
est un exemple de un de le visualisations
créé en utilisant JMPs constructeur.
Le lavande bar représente chats,
alors que le violet bar représente chiens.
Nous peut voir que intact mâles suivi par intact femmes
sont plus sujet à euthanasie,
en comparaison castrés animaux.
Suivant A nand volonté aller sur dans détail sur le modélisation.
Remercier Tu es Shalika.
Oui, Identifiant comme à parler a peu plus à propos notre approche vers
modélisation en utilisant JMP.
Avant nous pourrait commencer modélisation,
nous réalisé a peu données prétraitement mesures à préparer notre données.
Nous a fait des choses comme standardisation unités
pour certain variables,
tel comme âge, lequel était dans semaines, mois et années.
Nous recherché...
Nous converti que à juste mois.
Nous plier sur le âge variable donc nous pourrait convertir il dans
a catégorique variable.
Il regardait dans le...
Il regardait comme âge gammes comme 10- 15 et 15- 25.
Nous groupés races rares et couleurs à réduire
le nombre de catégories.
En plus, nous aussi filtré juste chats et chiens
depuis tous le autre animaux que est allé à travers le abri.
Pendant a modélisation phase nous remarqué quelque chose très particulier.
Nous remarqué que classe déséquilibre dans notre cible variable,
lequel parlé à propos si un animal était adopté,
et si un animal était euthanasié.
À propos 64 000 disques, dehors de 67 000 archives étaient adopté
animaux, et seulement 3 000 animaux étaient euthanasié animal.
Depuis a modèle était à se concentrer sur prédiction euthanasie,
nous avait à résoudre ce problème, et ainsi nous utilisé JMPs Bootstrap modèle
et Forêt boostée à résoudre ce problème.
Il utilisé le concepts de emballer et booster à faire ce.
Depuis emballer et booster modèles ne le faites pas vraiment
donner a parcelle de chambre pour interprétation
dans termes de quoi le variables faire,
nous utilisé logistique régression à interpréter ces variables comme Bien.
Après modélisation,
nous accordé en haut paramètres à obtenir le meilleur résultats.
Nous choisi a peu certain métrique,
à choisir le meilleur modèle basé sur c'est performance sur validation données.
Nous utilisé a 70:30 % validation diviser,
et avant à modélisation, nous aussi testé le hypothèses
pour logistique régression.
Ou sur à le haut droite, toi peut voir que nous testé
pour multicolinéarité et indépendance parmi variables
en utilisant JMPs contingence analyse,
lequel propagé dehors a muse parcelle, et a donné nous a P et corrélation valeur,
que essentiellement dit nous lequel variable était corrélé avec chaque autre.
Maintenant Identifiant comme à toi a peu profond dans chaque modèle
et comment nous choisi notre modèles.
Sur à le haut gauche,
toi serait voir que nous choisi métrique comme spécificité,
ce classification zone sous le Crique et RS pourquoi
à choisir lequel modèle réalisé le meilleur.
Ces métrique étaient choisi pour a particulier raison
que aligné avec notre but.
Notre objectif était à prédire lequel animaux serait vouloir à être euthanasié.
Le coût de notre modèle,
incorrectement prédiction a euthanasié animal,
comme a non- euthanasié animal, serait signifier que animal
serait probablement le et pas être enregistré.
Ainsi nous recherché à se concentrer sur croissant le précision
de euthanasié animaux et réduire le erreurs de classification.
Ainsi ces particulier des indicateurs ont été choisis
Tout d'abord, nous couru le nominal logistique régression modèle,
lequel toi peut voir sur à le bas gauche.
Le Enregistrer valeur immédiatement a donné nous lequel variables
étaient le la plupart important dans prédiction euthanasie.
Tours dehors il était sexe de le animal admission condition,
admission taper et âge de résultat .
A parcelle de ces sont pas surprenant,
et il correspondance avec quoi recherche spectacles.
Le entier modèle tourné dehors à être significatif comme Bien,
le P- valeur moins que 0,001
Suivant que, nous couru le Bootstrap F heure modèle,
lequel était accordé à avoir a cent arbres et fonctionnalité sélection
critères valeur de trois Bootstrap.
Nous avons utilisé la réception exploitation caractéristiques ou le AUC courbe,
à déterminer lequel classification seuil
a donné nous le meilleur classification résultats.
Nous fin en haut en utilisant 0,1 ou 10 % comme notre classification seuil.
Sur à le droite,
toi serait voir que nous couru le Forêt boostée modèle,
avec paramètres de 87 couches et a apprentissage taux de 0,179
Sur à le bas,
nous utilisé le décision matrice pour tous trois modèles à calculer
le spécificité de chaque particulier modèle.
Ce que vous donner nous comment avec précision le euthanasié animaux
étaient être prédit.
Nous aussi utiliser erreur de classification taux et RS pourquoi
depuis le dans l'ensemble statistique languette de JMP.
Dans chaque métrique, nous trouvé que notre Bootstrap modèle
surperformé le autre modèles,
et ainsi nous choisi que comme le gagnant modèle à faire
prédictions sur euthanasie.
Suivant, I serait comme à aller sur,
quelques important résultats que logistique régression a donné nous.
Avec salutations à sexe,
nous trouvé que intact chats et intact chiens,
étaient chemin plus probable à être euthanasié que
stérilisé animaux.
Avec salutations à race, nous trouvé que mixte chat races,
et Pitbull chien mixte races, étaient plus probable à être euthanasié
que tous autre races.
Avec salutations jusqu'à l'âge nous trouvé que chats que sont 4.5
jusqu'à 6 années, sont plus probable à être euthanasié que plus jeune chats.
Chiens sous 1.2 années sont le moins probable être euthanasié.
C'était largement surprenant parce que c'est contradictoire
à quoi nous trouvé pendant a données Phase d'exploration.
De la même manière, avec égard à admission taper,
nous trouvé que plus vieux s'est rendu animaux,
sont deux fois plus probable à être euthanasié que errer animaux.
Ce est complètement, encore, contradictoire à quoi nous trouvé
dans le données exploration phase.
Que va à montrer que quoi le pouvoir de statistique
analyse et imbattable vrai faits.
Suivant, I volonté être manipulation il désactivé à Shalika encore
à aller quoi recommandations nous peut faire à ces animal abris.
Remercier toi Anand.
Basé sur notre analyse, nous avoir a peu recommandations
que animal abris pourrait utiliser à inférieur euthanasies.
Nous croire que animaux pris dans le abri
devrait être castré ou stérilisée
Ce est dans conformité avec médical recherche,
lequel prouve que intact animaux sont plus sujet à maladies.
Animal abris pourrait aussi utiliser notre Bootstrap Forêt modèle
à prioriser lequel animaux besoins à être sauvé,
dans cas a difficile décision besoins à être fait.
Dans soutien de que,
ici sont quelques recommandations depuis Austin animal abri.
Ce particulier abri serait besoin à prioriser chats sur chiens
comme ils sont plus sujet à euthanasies.
Avec salutations à âge, chats âgé entre 4,5-6 années,
et chiens sur 1.2 années serait exiger plus attention.
Propriétaire s'est rendu chiens besoin à être prioritaire sur errer animaux.
Enfin, quand il vient à races,
Pitbull mélanger chien races et mixte chat races,
sont plus sujet à l'euthanasie et serait probable exiger plus attention.
Que apporte nous à le fin de notre présentation.
Nous espoir que animal abris pourrait utiliser ce analyse,
à réduire le besoin pour un animal à être euthanasié.
Merci.
