程度：初學者
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 (Rebecca Gill)，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。為了進行此分析，我們分析了超過 14,500 個寵物資料，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資料，從而盡可能快速地實現領養率。我們致力於減少動物所遭受的痛苦和安樂死，同時讓寵物家庭幸福地團聚。
樣本資料由 PetFinder.my 提供，由一組五個原始資料檔案編譯而成。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列的資料。目標變數是採用速度（是否在 30 天內；是 = 1，否 = 0），使用 14 個具有統計意義的變數進行預測。
創建了七種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 近鄰、序數回歸和樸素貝葉斯。在根據錯誤分類率、RMSE、1 的準確率和整體準確率對所有七個模型進行評估後，確定樸素貝葉斯是最佳模型。根據樸素貝葉斯模型的結果，對 PetFinder.my 的主要建議包括：首先，每個寵物檔案應該只包含一隻寵物，而不是一窩或多隻寵物的組合；第二，每個寵物資料必須包含至少一張照片，但不得超過10張照片；第三，PetFinder.my 應該考慮將寵物從領養率低的州運送到不健康費用的州必須得到健康率實施這些關鍵建議應該可以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地團聚。
