级别：初学者
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 (Rebecca Gill)，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。为了进行这项分析，我们分析了超过 14,500 份宠物资料，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资料，从而尽可能快地实现领养率。我们力求减少动物遭受的痛苦和安乐死，同时让幸福的宠物家庭团聚在一起。
样本数据由 PetFinder.my 提供，由一组五个原始数据文件编译而成。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 14,991 行和 15 列数据。目标变量是收养速度（30 天内是否；是 = 1，否 = 0），使用 14 个统计显著变量进行预测。
为预测宠物收养速度，我们创建了七种模型，包括决策树、引导森林、提升树、神经网络、K 近邻、序数回归和朴素贝叶斯。在根据误分类率、RMSE、1 的准确率和总准确率评估所有七种模型后，我们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：首先，每个宠物资料应该只包含一只宠物，而不是一窝或多只宠物；其次，每个宠物资料必须包含至少一张照片，但不能超过 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收养率较高的其他州；最后，不健康的宠物应该在被送去领养之前恢复健康，尽管需要支付相关费用。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，同时让幸福的宠物家庭团聚。
