Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling

Demet Çanga Boğa

doi:10.31466/kfbd.1383458

EN TR

Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling

Abstract

The main purpose of this research is to obtain a prediction model for milk yield by using Multivariate Adaptive Regression Splines (MARS) and Bagging MARS algorithms as a non-parametric regression technique. For this purpose, the effects on milk yield of 305 days were investigated by using lactation parameters in dairy cattle. In the study, 9337 lactation milk yield records belonging to 37 animals belonging to the 2022-2023 period were used and the data set was created by randomly ordering the animals. Data on milk yield results were analyzed with MARS and Bagging MARS algorithms. For dairy cattle; it was modeled with explanatory variables such as lactation month (month), service period (SP), last 7 days average milk yield (L7DMMY), animal's first birth age (FP), animal's age (Age), number of lactations (LN).Correlation coefficient (r), coefficient of determination (R2), Adjusted R2, Root of Square Mean Error (RMSE), standard deviation ratio (SD ratio), mean absolute percent error (MAPE), mean absolute for MARS algorithm estimating total average milk yield deviation (MAD) and Akaike Information Criteria (AIC) values are 0.9986, 0.997, 0.977, 0.142, 0.052, 0.2389, 0.086 and -88, respectively. Similar statistics for the Bagging MARS algorithm are 0.754, 0.556, 0.453, 1.8, 0.666, 3.96, 1.47, and 115, respectively. It has been observed that MARS and Bagging MARS algorithms provide correct results according to the goodness of fit statistics. In this study, it was revealed that MARS algorithm gave better results in milk yield modeling of 305-day lactation.

Keywords

Lactation, Milk yield, MARS, Dairy Cattle, Bagging

Süt Sığırlarında 305 Günlük SütVerimi için Mars Modellemesinde Farklım Yeniden Örnekleme Teknikleri(Bagging Mars) ile Laktasyon Modeli Oluşturma

Abstract

Bu araştırmanın temel amacı, parametrik olmayan bir regresyon tekniği olarak Çok Değişkenli Uyarlanabilir Regresyon Splines (MARS) ve Bagging MARS algoritmalarını kullanarak süt verimi için bir tahmin modeli elde etmektir. Bu amaçla çalışmada süt sığırlarında laktasyon parametreleri kullanılarak 305 günlük sütverimi üzerine etkileri incelenmiştir. Çalışmada 37 tane hayvana ait 2022-2023 dönemine ait 9337 adet laktasyon süt verimi kaydı kullanılmış ve hayvanlar rastgele sıralanarak veri seti oluşturulmuştur. Süt verimi sonuçlarına ilişkin veriler MARS ve Bagging MARS algoritmaları ile analiz edilmiştir. Laktasyon ayı(month), Servis periyodu (SP), son 7 günlük ortalama süt verimi(L7DMMY), hayvanın ilk doğum yaşı(FP), hayvanın yaşı(Age), laktasyon sayısı(LN) gibi açıklayıcı değişkenler ile modellenmiştir.Toplam ortalama süt verimini tahmin eden MARS algoritması için korelasyon katsayısı (r), belirleme katsayısı (R2), Düzeltilmiş R2, Hata Kareler Ortalamasının Karekökü (RMSE), standart sapma oranı (SD oranı), ortalama mutlak yüzde hatası (MAPE), ortalama mutlak sapma (MAD) ve Akaike Bilgi Kriterleri (AIC) değerleri sırasıyla 0.9986, 0.997, 0.977, 0.142, 0.052, 0.2389, 0.086 ve -88’dir. Bagging MARS algoritması için benzer istatistikler sırasıyla 0.754, 0.556, 0.453, 1.8, 0.666, 3.96, 1.47 ve 115’tir. MARS ve Bagging MARS algoritmalarının uyum iyiliği istatistiklerine göre doğru sonuçlar ortaya koyduğu gözlemlenmiştir. Bu çalışmada, MARS algoritmasının 305 günlük laktasyona ait süt verimi modellemesinde daha iyi sonuçlar verdiği ortaya çıkmıştır.

Keywords

Laktasyon, Süt verimi, MARS, Süt Sığırı, Bagging

Ethical Statement

No ethics committee decision is required for the work.

Thanks

The author would like to thank Dr. Mustafa Boğa for his animal experiments and his contributions to making measurements during the experiment.

References

Akin, M., Eyduran, S. P., and Eyduran, E. (2020). R Yazılımı ile Tarım Bilimlerinde Regresyon ve Sınıflandırma Tipi Problemlerin Çözümünde Mars Algoritması (1st Editio). Nobel Academic Publishing.
Akin, M., Eyduran, S. P., Eyduran, E., and Reed, B. M. (2020). Analysis of macro nutrient related growth responses using multivariate adaptive regression splines. Plant Cell, Tissue and Organ Culture, 140(3), 661–670. https://doi.org/10.1007/S11240-019-01763-8
Alıç, D. (2007). Siyah Alaca İneklerde Dış Yapı Özellikleri, Sürüde Kalma Süresi ve Süt Verimi Üzerine Araştırmalar. Ankara University.
Alkoyak, K. (2016). Farklı orı̇jı̇nlı̇ holştaynların döl ve süt verı̇mı̇ özellı̇klerı̇. Selçuk Üniversitesi.
Altay, Y., Aytekin, İ., and Eyduran, E. (2022). Use of Multivariate Adaptive Regression Splines , Classification Tree and Roc Curve in Diagnosis of Subclinical Mastitis in Dairy Cattle Journal of the Hellenic Veterinary Medical Society. April. https://doi.org/10.12681/jhvms.25864
Arı, Ç. (2019). Aydın İlinde özel bir süt sığırı işletmesinde yetiştirilen Simmental ve Kirmizi Alaca sığırların süt ve döl verimi ile süt kalite özellikleri. Aydın Adnan Menderes Üniversitesi.
Asan, H. (2021). Burdur’ da pard programı kapsamında bulunan holştayn ve simental işletmelerinin verimler ve karlılık bakımından değerlendirilmesi. Mehmet Akif Ersoy Üniversitesi.
Bayril, T., and Yilmaz, O. (2017). Holştayn Sütçü İneklerde Süt Verim Performanslarına Buzağı Cinsiyeti , Servis Periyodu , Doğum Sayısı ve Buzağılama Mevsiminin Etkisi. Dicle Üniversitesi Veteriner Fakültesi Dergisi, 89–94.
Bilgiç, N. (1999). Ankara Üniversitesi Ziraat Fakültesi Zootekni Bölümü S ığı rc ı l ı k i ş letmesinde Yeti ş tirilen Siyah Alaca İ neklerde Baz ı Süt ve Döl Verimi Özellikleri Some Milk and Breeding Characteristics of Hoistein Friesian Cows Raised at the Dairy Farm of the. 5(2), 81–84.
Boğa, D. Ç., and Boğa, M. (2022). Investıgatıon of Estımatıon of Lactatıon Mılk Yıeld in Daıry Cattle Usıng Nonlınear Regressıon Models Cart And Mars. In K. N. ÇELİK Şenol and F. ÇEMREK (Eds.), Veri̇ madenci̇li̇ği̇ ve maki̇ne öğrenmesi̇ i̇le farkli alanlarda uygulamalar (pp. 73–98). Holıstence Publıcatıons.

Breiman, L. (1994). Bagging Predictor.
Çanga, D. (2022). Use of Mars Data Mining Algorithm Based on Training and Test Sets in Determining Carcass Weight of Cattle in Different Breeds. Tarım Bilimleri Dergisi, 28(2), 259–268. https://doi.org/10.15832/ankutbd.818397
Çanga, D., and Boga, M. (2019). Use of MARS in livestock and An application. Use of MARS in Livestock and an Application, 31–37.
Çanga, D., and Boğa, M. (2020). Determination of the Effect of Some Properties on Egg Yield with Regression Analysis Met-hod Bagging Mars and R Application Yumurta Verimi Üzerine Bazı Özelliklerin Etkisinin Regresyon Analiz Yöntemlerinden Bagging Mars ile Belirlenmesi ve R Uygulaması. Turkish Journal of Agriculture - Food Science and Technology, 8(8), 1705–1712.
Çanga, D., and Boğa, M. (2022). Detection of correct pregnancy status in lactating dairy cattle using MARS data mining algorithm. Turkish Journal of Veterinary and Animal Sciences, 46(6), 809–819. https://doi.org/10.55730/1300-0128.4257
Çanga, D., Yavuz, E. and Efe, E. (2021). Prediction of Egg Weight Using MARS data mining Algorithm through R. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 24 (1) , 242-251 . DOI: 10.18016/ksutarimdoga.vi.716880
Çelik, Ş., Eyduran, E., Şengül, A. Y., and Şengül, T. (2021). Relationship among egg quality traits in Japanese quails and prediction of egg weight and color using data mining algorithms. Tropical Animal Health and Production, 53(3). https://doi.org/10.1007/s11250-021-02811-2
Celik, Ş., and Yilmaz, O. (2021). The Relationship Between the Coat Colors of Kars Shepherd Dog and its Morphological Characteristics Using Some Data Mining Methods. International Journal of Livestock Research, 11(1), 53–61. https://doi.org/10.5455/ijlr.20200604
Çetin, O., and Alkoyak, K. (2018). Farklı orijinli holştaynların döl ve süt verimi özellikleri 2. süt verimi özellikleri. Eurasian Journal of Veterinary Sciences, 34(2), 123–130. https://doi.org/10.15312/eurasianjvetsci.2018.191
Doğan, İ. (2003). Holştayn ırkı ineklerde süt verimine etki eden faktörlerin CHAID analizi ile incelenmesi. Ankara Üniversitesi Veteriner Fakültesi Dergisi, 50(1), 065–070. https://doi.org/10.1501/vetfak_0000002231
Eyduran, E. (2020). Package ‘ ehaGoF .’ https://cran.r-project.org/package=ehaGoF.
Eyduran, E. and Gulbe, A. (2020). ehaGoF: Calculates Goodness of Fit Statistics. R package version 0.1.0 2019. https://CRAN.R-project.org/package=ehaGoF
Eyduran, E., Akın, M., and Eyduran, S. P. (2019). Application of Multivariate Adaptive Regression Splines through R Software (1st edition). Nobel Academic Publishing,.
Eyduran, E., Karakus, K., Keskin, S., and Cengiz, F. (2008). Determination of factors influencing birth weight using regression tree (Rt) method. Journal of Applied Animal Research, 34(2), 109–112. https://doi.org/10.1080/09712119.2008.9706952
Eyduran, E., Yakubu, A., Duman, H., Aliyev, P., and Tırınk, C. (2020). Predictive modeling of multivariate adaptive regression splines: An R Tutorial. In Veri Madenciliği Yöntemleri: Tarım Alanında Uygulamaları (pp. 25–48). Rating Academy Ar-Ge Yazılım Yayıncılık Eğitim Danışmanlık ve Organizasyon Ticaret Limited Şirketi.
Eyduran, E., Yilmaz, I., Tariq, M. M., and Kaygisiz, A. (2013). Estimation of 305-d milk yield using regression tree method in brown Swiss cattle. Journal of Animal and Plant Sciences, 23(3), 731–735.
Eyduran, E., and Zaborski, D. (2017). Comparison of the Predictive Capabilities of Several Data Mining Algorithms and Multiple Linear Regression in the Prediction of Body Weight by Means of Body Measurements in the Ind... Pakistan Journal of Zoology, 49(1), 257–265. https://doi.org/10.17582/journal.pjz/2017.49.1.257.265
Faraz, A., Tirink, C., Eyduran, E., Waheed, A., Tauqir, N. A., Nabeel, M. S., and Tariq, M. M. (2021). Prediction of live body weight based on body measurements in Thalli sheep under tropical conditions of Pakistan using cart and mars. In Tropical Animal Health and Production (Vol. 53, Issue 2). https://doi.org/10.1007/s11250-021-02748-6
Genç, S., and Soysal, M. İ. (2018). Türkiye Siyah Alaca Sığır Populasyonlarında Süt ve Döl Verimi * Milk Yield and Reproductive Traits of Holstein Cattle Population in Turkey * Giriş Materyal ve Yöntem Materyal. Journal of Tekirdag Agricultural Faculty, 15(01).
Grzesiak, W., and Zaborski, D. (2012). Examples of the Use of Data Mining Methods in Animal Breeding. In Data Mining Applications in Engineering and Medicine (pp. 304–321). IntechOpen. https://doi.org/10.5772/50893
Grzesiak, W., Zaborski, D., Sablik, P., Zukiewicz, A., Dybus, A., and Szatkowska, I. (2010). Detection of cows with insemination problems using selected classification models. Computers and Electronics in Agriculture, 74(2), 265–273. https://doi.org/10.1016/j.compag.2010.09.001
Gürses, M., and Bayraktar, M. (2012). Some milk production and reproductive traits of Holstein cattle raised in different regions of Turkey. Kafkas Universitesi Veteriner Fakultesi Dergisi, 18(2), 273–280. https://doi.org/10.9775/kvfd.2011.5424
Gürses, R. (2019). İlk laktasyondaki kırmızı-alaca ve siyah-alaca sığırlarda süt ve döl verimi ile süt kalite özellikleri üzerine bir araştırma. Aydın Adnan Menderes Üniversitesi.
Iqbal, F., Eyduran, E., Raziq, A., Ali, M., Zil-e-Huma, Tirink, C., and Sevgenler, H. (2021). Modeling and predicting the growth of indigenous Harnai sheep in Pakistan: non-linear functions and MARS algorithm. Tropical Animal Health and Production 2021 53:2, 53(2), 1–12. https://doi.org/10.1007/S11250-021-02700-8
Keskin, İ., and Boztepe, S. (2011). Siyah Alaca Sığırlarda Kısmi Süt Verimlerinden Yararlanılarak 305 Günlük Süt Veriminin Tahmini. Tekirdağ Ziraat Fakültesi Dergisi, 8(1), 1–8.
Kopuzlu, S., Emsen, H., Özlütürk, A., and Küçüközdemir, A. (2008). Esmer ve Si̇yah Alaca Irkı Sığırların Doğu Anadolu Tarımsal Araştirma Ensti̇tüsü Şartlarında Döl Veri̇m Özelli̇kleri̇. Lalahan Hay. Araşt. Enst. Derg., 48(1), 13–24.
Kulekçi, M., Eyduran, E., Altın, A. Y., and Tariq, M. M. (2022). Usefulness of MARS and Bagging MARS Algorithms in Prediction of Honey Production in Beekeeping Enterprises from Elazig Province of Turkey. Pakistan Journal of Zoology, 54(3), 1087–1093.
Mee, J. F. (2004). peer reviewed Correspondence : Irish Veterinary Journal, 57(4), 226–231. Milborrow, S. (2018). Milborrow. Derived from mda:mars by T. Hastie and R. Tibshirani. İnternet url: https://CRAN.R-project.org/package=earth (08.10.2018)
Milborrow, S. (2011). Derived from MDA: MARS by T. Hastie and Tibshirani earth: Multivariate adaptive regression splines, R package.
Nayana, B. M., Kumar, K. R., and Chesneau, C. (2022). Wheat Yield Prediction in India Using Principal Component Analysis-Multivariate Adaptive Regression Splines (PCA-MARS). AgriEngineering 2022, Vol. 4, Pages 461-474, 4(2), 461–474. https://doi.org/10.3390/AGRIENGINEERING4020030
Omar, M. Y. (2022). Holstein ve Simmental İneklerde İlk Laktasyonda Süt Verimi, Pike Çıkma-Pikte Kalma Süreleri ve Süt Verimi Persistensleri ile Üreme Performanslarının Karşılaştırılması. Bursa Uludağ Üniversitesi.
Orhan, H., Çetin Teke, E., and Karcı, Z. (2018). Laktasyon Eğrileri Modellemesinde Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (MARS) Yöntemi Uygulaması. Kahramanmaraş Sütçü İmam Üniversitesi Doğa Bilimleri Dergisi, 21(3), 363–373. https://doi.org/10.18016/ksudobil.334237
Orhan, H., and Kaygısız, A. (2002). Siyah Alaca Sığırlarda Farklı Laktasyon Eğrisi Modellerinin Karşılaştırılması. Hayvansal Üretim, 43(1), 94–99.
Otok, B. W., Putra, R. Y., Sutikno, and Yasmirullah, S. D. P. (2020). Bootstrap aggregating multivariate adaptive regression spline for observational studies in diabetes cases. Systematic Reviews in Pharmacy, 11(8), 406–413. https://doi.org/10.31838/srp.2020.8.59
Öztürk, S. T. B. (2022). Evaluation of PM 10 concentration by using Mars and XGBOOST algorithms in Iğdır Province of Türkiye. International Journal of Environmental Science and Technology. https://doi.org/10.1007/s13762-022-04511-2
Özyurt, A., and Özkan, M. (2009). Orta Anadolu’da Yetiştirilen Siyah-Alaca Sığırlarda Laktasyon Eğri Şekli ve Eğriye Etkili Olan Faktörler. Hayvansal Üretim, 50(1), 31–37.
R Core Team (2024). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, http://www.R-project.org
Şahin, A., and Ulutaş, Z. (2010). Polatlı Tarım İşletmesinde Yetiştirilen Siyah Alaca İneklerde Süt ve Döl Verim Özellikleri. Anadolu Tarım Bilimleri Dergisi, 25(3), 202–212.
Sarar, A. D., and Tapkı, İ. (2017). Türk Tarım - Gıda Bilim ve Teknoloji Dergisi Türkiye ’ de Yetiştirilen Holştayn İneklerde Döl Verim Özelliklerine Ait. Türk Tarım - Gıda Bilim ve Teknoloji Dergisi, 5(12), 1476–1481.
Şengül, Ö., Çelik, Ş., and İbrahim, A. K. (2022). Determination of the Effects of Silage Type, Silage Consumption, Birth Type and Birth Weight on Fattening Final Live Weight in Kıvırcık Lambs with MARS and Bagging MARS Algorithms. Kafkas Universitesi Veteriner Fakultesi Dergisi, 28(3), 379–389. https://doi.org/10.9775/kvfd.2022.27149
Tirink, C., Sariçiçek, Z., and Önder, H. (2022). Determination of The Direct and Indirect Effects of Feed Characteristics on the Metabolizable Energy of Natural Pasture Hay Mera Samanı İçin Yem Özelliklerinin Metabolize Edilebilir Enerjisi Üzerine Path Analizi. 37(June), 331–340.
Tırınk, C. (2021). Analysis of Continuous Proportional Data: Case Study of Determination of Milk Protein. In Y. Keskin, İsmail; Mikail, Nazire; Altay (Ed.), Different Statistical Applications in Agriculture (1st ed., Issue January, pp. 211–229). Iksad Publications.
Tırınk, C., Piwczyński, D., Kolenda, M., and Önder, H. (2023). Estimation of Body Weight Based on Biometric Measurements by Using Random Forest Regression, Support Vector Regression and CART Algorithms. Animals, 13(5), 798.
Turhan, M. (2020). Mars Algoritmasi Uygulanarak Farkli Gruplardaki Ari Kolonilerinde Bulunan Varroa’nin Bulaşiklik Tespiti. In Ş. Çelik (Ed.), Veri Madenciliği Yöntemleri: Tarim Alanında Uygulamaları (1st Editio, pp. 1–23). Rating Academy Ar-Ge Yazılım Yayıncılık Eğitim Danışmanlık ve Organizasyon Ticaret Limited Şirketi,.
Yaylak, E., and Kumlu, S. (2005). Siyah Alaca Sığırların 305 Günlük Süt Verimine Vücut Kondisyon Puanı ve Bazı Çevre Faktörlerinin Etkisi. Ege Üniv. Ziraat Fak Derg, 42(3), 55–66.

Details

Primary Language

English

Subjects

Aquaculture and Fisheries (Other)

Journal Section

Research Article

Authors

Demet Çanga Boğa ^*
0000-0003-3319-7084
Türkiye

Publication Date

June 18, 2024

Submission Date

October 30, 2023

Acceptance Date

April 28, 2024

Published in Issue

Year 2024 Volume: 14 Number: 2

DOI

https://doi.org/10.31466/kfbd.1383458

IZ

https://izlik.org/JA54TL34AB

APA

Çanga Boğa, D. (2024). Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling. Karadeniz Fen Bilimleri Dergisi, 14(2), 522-539. https://doi.org/10.31466/kfbd.1383458

AMA

1.Çanga Boğa D. Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling. KFBD. 2024;14(2):522-539. doi:10.31466/kfbd.1383458

Chicago

Çanga Boğa, Demet. 2024. “Creating a Lactation Model for 305-Day Milk Yield With Different Resampling Techniques (Bagging Mars) in Mars Modeling”. Karadeniz Fen Bilimleri Dergisi 14 (2): 522-39. https://doi.org/10.31466/kfbd.1383458.

EndNote

Çanga Boğa D (June 1, 2024) Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling. Karadeniz Fen Bilimleri Dergisi 14 2 522–539.

IEEE

[1]D. Çanga Boğa, “Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling”, KFBD, vol. 14, no. 2, pp. 522–539, June 2024, doi: 10.31466/kfbd.1383458.

ISNAD

Çanga Boğa, Demet. “Creating a Lactation Model for 305-Day Milk Yield With Different Resampling Techniques (Bagging Mars) in Mars Modeling”. Karadeniz Fen Bilimleri Dergisi 14/2 (June 1, 2024): 522-539. https://doi.org/10.31466/kfbd.1383458.

JAMA

1.Çanga Boğa D. Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling. KFBD. 2024;14:522–539.

MLA

Çanga Boğa, Demet. “Creating a Lactation Model for 305-Day Milk Yield With Different Resampling Techniques (Bagging Mars) in Mars Modeling”. Karadeniz Fen Bilimleri Dergisi, vol. 14, no. 2, June 2024, pp. 522-39, doi:10.31466/kfbd.1383458.

Vancouver

1.Demet Çanga Boğa. Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling. KFBD. 2024 Jun. 1;14(2):522-39. doi:10.31466/kfbd.1383458

The published articles in The Black Sea Journal of Sciences are licensed under Creative Commons Attribution-NonCommercial 4.0 International

Creating a Lactation Model for 305-Day Milk Yield with Different Resampling Techniques (Bagging Mars) in Mars Modeling

Abstract

Keywords

Süt Sığırlarında 305 Günlük SütVerimi için Mars Modellemesinde Farklım Yeniden Örnekleme Teknikleri(Bagging Mars) ile Laktasyon Modeli Oluşturma

Abstract

Keywords

Ethical Statement

Thanks

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite