안녕, 나의 이름 ~이다 샬리카 시디크
나의 이름 ~이다 아난드 마니바난
그리고 이었다 둘 다 재학생 ~에서 오클라호마 S 테이트 대학교
그리고 우리 현재 추구하다 a 사업 해석학 그리고 데이터 과학 도.
오늘 우리 ~이다 발표합니다 a 허풍쟁이 어디 우리 탐구하다 안락사
동물에서 보호소,
그리고 우리 희망 에게 이해하다 왜 고양이 그리고 개 ~이다 존재 놓다 아래에.
모든 년도 우리 잃다 ~에 대한 920,000 동물 매년.
사용 JMP 프로, 우리 ~일 것이다 좋다 에게 식별하다 그만큼 열쇠 요인,
저것 선두 에게 안락사 ~의 고양이 그리고 개들.
한 번 우리 식별하다 이것들 핵심 요소,
자금 ~할 수 있다 BE 채널링된 에게 관련 있는 부문
에게 예방하다 안락사 ~의 동물 저것 ~할 수 있었다 가지다 계속 ~ 이다 저장되었습니다.
~ 안에 덧셈 에게 이것, 우리 목표 에게 만들다 예측 에게 식별하다
어느 동물 ~이다 최대 ~할 것 같은 에게 BE 안락사되었다.
A 작은 정보 ~에 대한 우리의 데이터 세트 여기,
우리 원천 그만큼 데이터 ~에서 오스틴의 데이터 문,
그리고 그만큼 동물 대피소 저것 우리 사용 ~을 위한 분석 ~이다 위치
~에 오스틴, 텍사스.
전반적인, 우리 가졌다 ~에 대한 13만 기록.
후에 청소 그리고 필터링, 우리 집중된 ~에 ~에 대한 67,000 기록
저것 ~이었다 특정한 에게 고양이 그리고 개들.
이전의 에게 우리의 분석 우리 터지다 그만큼 데이터 세트
그리고 시도했다 에게 유도하다 통찰력.
우리 사용 JMPs, 그래프 건축업자 에게 만들다 시각화
그런 ~처럼 술집 그래프.
에서 그만큼 67,000 기록, 거기 ~이었다 ~에 대한 3,171 동물
어느 ~이었다 안락사되었다.
어느 ~이다 ~에 대한 4.7 % 동물 ~의 그만큼 대피소.
~ 안에 비교 에게 동물 항복했다 에게 그만큼 대피소 ~에 의해 그만큼 소유자,
흩어진 동물 ~이었다 최대 엎드린 자세 에게 안락사.
언제 우리 비교하다 그만큼 나이 ~의 그만큼 동물들,
우리 알아채다 저것 새끼 고양이 아래에 그만큼 나이 ~의 15개월,
기여하다 에게 25 % ~의 안락사,
~하는 동안 강아지들 기여함 에게 13 % ~의 안락사
이것 술집 그래프 여기,
~이다 안 예 ~의 하나 ~의 그만큼 시각화
생성됨 사용 JMPs 건축업자.
그만큼 라벤더 술집 나타냅니다 고양이,
~하는 동안 보라색 술집 나타냅니다 개들.
우리 ~할 수 있다 보다 저것 손대지 않은 남성 뒤따랐다 ~에 의해 손대지 않은 안
~이다 더 엎드린 자세 에게 안락사,
비교해서 중성화하다 동물들.
다음 A 난드 ~ 할 것이다 가다 ~ 위에 ~에 세부 사항 ~ 위에 그만큼 모델링.
감사하다 당신은 샬리카군요.
예, ID 좋다 에게 말하다 a 조금 더 ~에 대한 우리의 접근하다 ...쪽으로
모델링 사용 JMP.
전에 우리 ~할 수 있었다 시작 모델링,
우리 수행됨 a 약간의 데이터 전처리 단계 에게 준비하다 우리의 데이터.
우리 했다 것들 좋다 표준화 단위
~을 위한 확실한 변수,
그런 ~처럼 나이, 어느 ~였다 ~에 몇 주, 개월 그리고 연령.
우리 원했던...
우리 변환됨 저것 에게 단지 개월.
우리 만곡부 ~에 그만큼 나이 변하기 쉬운 그래서 우리 ~할 수 있었다 전환하다 그것 ~ 안으로
a 범주형 변하기 쉬운.
그것 보았다 ~에 그만큼...
그것 보았다 좋다 나이 범위 좋다 10- 15 그리고 15- 25.
우리 그룹화된 희귀 품종 그리고 그림 물감 에게 줄이다
그만큼 숫자 ~의 카테고리.
또한, 우리 또한 거르는 단지 고양이 그리고 개
~에서 모두 그만큼 다른 동물 저것 갔다 ~을 통해 그만큼 대피소.
동안 a 모델링 단계 우리 알아차렸다 무엇 매우 이상한.
우리 알아차렸다 저것 수업 불균형 ~에 우리의 목표 변하기 쉬운,
어느 이야기했다 ~에 대한 ~이든 안 동물 ~였다 입양됨,
그리고 ~이든 안 동물 ~였다 안락사되었다.
에 대한 64,000 기록, 밖으로 ~의 67,000 기록 ~이었다 입양됨
동물들, 그리고 오직 3,000 동물 ~이었다 안락사된 동물.
부터 a 모델 ~였다 에게 집중하다 ~에 예측하다 안락사,
우리 가졌다 에게 해결하다 이것 문제, 그리고 따라서 우리 사용된 JMPs 부트스트랩 모델
그리고 부스트 포레스트 에게 해결하다 이것 문제.
그것 사용된 그만큼 개념 ~의 포장 그리고 부스팅 에게 하다 이것.
부터 포장 그리고 부스팅 모델 ~하지 않다 정말
주다 a 많은 ~의 방 ~을 위한 해석
~에 자귀 ~의 무엇 그만큼 변수 하다,
우리 사용된 물류 회귀 에게 해석하다 이것들 변수 ~처럼 잘.
후에 모델링,
우리 조율됨 위로 매개변수 에게 얻다 그만큼 최상의 결과.
우리 선택했다 a 약간의 확실한 지표,
에게 선택하다 그만큼 최상의 모델 기반을 둔 ~에 그것은 성능 ~에 확인 데이터.
우리 사용된 a 70:30 % 확인 나뉘다,
그리고 이전의 에게 모델링, 우리 또한 테스트됨 그만큼 가정
~을 위한 물류 회귀 분석.
또는 ~ 위에 에게 그만큼 맨 위 오른쪽, 너 ~할 수 있다 보다 저것 우리 테스트됨
~을 위한 다중공선성 그리고 독립 ~ 중에 변수
사용 JMPs 우연성 분석,
어느 확산 밖으로 a 뮤즈 신 구성, 그리고 주었다 우리를 a P 그리고 상관관계 값,
저것 원래 말했다 우리를 어느 변하기 쉬운 ~였다 상관관계가 있는 ~와 함께 각 다른.
지금 ID 좋다 에게 너 a 조금 깊은 ~ 안으로 각 모델
그리고 어떻게 우리 선택된 우리의 모델들.
위에 에게 그만큼 맨 위 왼쪽,
너 ~일 것이다 보다 저것 우리 선택했다 지표 좋다 특성,
이것 분류 영역 아래에 그만큼 후미 그리고 RS 왜
에게 선택하다 어느 모델 수행됨 그만큼 최상의.
이것들 지표 ~이었다 선택된 ~을 위한 a 특정한 이유
저것 정렬됨 ~와 함께 우리의 목표.
우리의 목표 ~였다 에게 예측하다 어느 동물 ~일 것이다 원하다 에게 BE 안락사되었다.
그만큼 비용 ~의 우리의 모델,
틀리게 예측하다 a 안락사된 동물,
~처럼 a 비- 안락사된 동물, ~일 것이다 평균 저것 동물
~일 것이다 아마 그만큼 그리고 ~ 아니다 BE 저장되었습니다.
따라서 우리 원함 에게 집중하다 ~에 증가하는 그만큼 정확성
~의 안락사된 동물 그리고 줄이는 그만큼 오분류.
따라서 이것들 특정한 측정 지표가 선택되었습니다.
먼저 우리는 달렸다 그만큼 명사 같은 물류 회귀 모델,
어느 너 ~할 수 있다 보다 ~ 위에 에게 그만큼 맨 아래 왼쪽.
그만큼 통나무 가치 즉시 주었다 우리를 어느 변수
~이었다 그만큼 최대 중요한 ~에 예측하다 안락사.
턴 밖으로 그것 ~였다 섹스 ~의 그만큼 동물 섭취 상태,
섭취 유형 그리고 결과 연령 .
A 많은 ~의 이것들 ~이다 ~ 아니다 놀라운,
그리고 그것 일치함 ~와 함께 무엇 연구 쇼.
그만큼 전체 모델 돌린 밖으로 에게 BE 중요한 ~처럼 잘,
그만큼 피- 값 더 적은 ~보다 0.001
수행원 저것, 우리 달렸다 그만큼 부트스트랩 F 시간 모델,
어느 ~였다 조율됨 에게 가지다 a 백 나무 그리고 특징 선택
기준 값 ~의 삼 부트스트랩.
우리는 수신을 사용했습니다. 운영 특성 또는 그만큼 AUC 곡선,
에게 결정하다 어느 분류 한계점
주었다 우리를 그만큼 최상의 분류 결과.
우리 끝났습니다 위로 사용 0.1 또는 10 % ~처럼 우리의 분류 한계점.
위에 에게 그만큼 오른쪽,
너 ~일 것이다 보다 저것 우리 달렸다 그만큼 부스트 포레스트 모델,
~와 함께 매개변수 ~의 87 레이어 그리고 a 학습 비율 ~의 0.179
위에 ~에 그만큼 맨 아래,
우리 사용된 그만큼 결정 행렬 ~을 위한 모두 삼 모델 에게 믿다
그만큼 특성 ~의 각 특정한 모델.
당신이 주다 우리를 어떻게 정확히 그만큼 안락사된 동물
~이었다 존재 예측했다.
우리 또한 사용 오분류 비율 그리고 RS 왜
~에서 그만큼 전반적인 통계량 꼬리표 ~의 JMP.
~ 안에 모든 측정 기준, 우리 설립하다 저것 우리의 부트스트랩 모델
뛰어난 성과를 보였다 그만큼 다른 모델들,
그리고 따라서 우리 선택했다 저것 ~처럼 그만큼 승리 모델 에게 만들다
예측 ~에 안락사.
다음, I ~일 것이다 좋다 에게 가다 위에,
일부 중요한 결과 저것 물류 회귀 주었다 우리를.
와 함께 문안 인사 에게 섹스,
우리 설립하다 저것 손대지 않은 고양이 그리고 손대지 않은 개들,
~이었다 방법 더 ~할 것 같은 에게 BE 안락사된 ~보다
중성화 수술 동물들.
와 함께 문안 인사 에게 새끼를 낳다, 우리 설립하다 저것 혼합 고양이 품종,
그리고 핏불 개 혼합 품종, ~이었다 더 ~할 것 같은 에게 BE 안락사된
~보다 모두 다른 품종.
와 함께 문안 인사 나이 우리 설립하다 저것 고양이 저것 ~이다 4.5
6까지 연령, ~이다 더 ~할 것 같은 에게 BE 안락사된 것보다 더 젊은 고양이.
개 아래에 1.2 연령 ~이다 그만큼 최소 ~할 것 같은 안락사될 것이다.
이것은 넓게 놀라운 왜냐하면 그것은 모순되는
에게 무엇 우리 설립하다 ~ 동안 a 데이터 탐색 단계.
비슷하게, ~와 함께 관심 에게 섭취 유형,
우리 설립하다 저것 나이든 항복했다 동물들,
~이다 두 배 더 ~할 것 같은 에게 BE 안락사된 ~보다 흩어진 동물들.
이것 ~이다 완전히, 다시, 모순되는 에게 무엇 우리 설립하다
~에 그만큼 데이터 탐구 단계.
저것 간다 에게 보여주다 저것 무엇 그만큼 힘 ~의 통계적
분석 그리고 무패 진실 사리.
다음, I ~ 할 것이다 BE 처리 그것 끄다 에게 샬리카 다시
에게 가다 무엇 추천 사항 우리 ~할 수 있다 만들다 에게 이것들 동물 보호소.
감사하다 당신은 아난드입니다.
기반을 둔 ~에 우리의 분석, 우리 가지다 a 약간의 추천 사항
저것 동물 보호소 ~할 수 있었다 사용 에게 낮추다 안락사.
우리 믿다 저것 동물 찍힌 ~ 안으로 그만큼 대피소
~해야 한다 BE 중성화된 또는 중성화 수술을 받은
이것 ~이다 ~에 일치 ~와 함께 의료 연구,
어느 증명하다 저것 손대지 않은 동물 ~이다 더 엎드린 자세 에게 질병.
동물 보호소 ~할 수 있었다 또한 사용 우리의 부트스트랩 숲 모델
에게 우선순위를 정하다 어느 동물 필요함 에게 BE 저장됨,
~에 사례 a 어려운 결정 필요함 에게 BE 만들어진.
~ 안에 지원하다 ~의 저것,
여기 ~이다 일부 추천 사항 ~에서 오스틴의 동물 대피소.
이것 특정한 대피소 ~일 것이다 필요 에게 우선순위를 정하다 고양이 ~ 위에 개
~처럼 그들 ~이다 더 엎드린 자세 에게 안락사.
와 함께 문안 인사 에게 나이, 고양이 늙은 ~ 사이 4.5-6 연령,
그리고 개 ~ 위에 1.2 연령 ~일 것이다 필요하다 더 주목.
소유자 항복했다 개 필요 에게 BE 우선순위가 지정된 ~ 위에 흩어진 동물들.
마지막으로, 언제 그것 온다 에게 품종,
핏불 혼합 개 품종 그리고 혼합 고양이 품종,
~이다 더 엎드린 자세 안락사로 그리고 ~일 것이다 ~할 것 같은 필요하다 더 주목.
저것 가져오다 우리를 에게 그만큼 끝 ~의 우리의 프레젠테이션.
우리 희망 저것 동물 보호소 ~할 수 있었다 사용 이것 분석,
에게 줄이다 그만큼 필요 ~을 위한 안 동물 에게 BE 안락사되었다.
감사합니다.
