Determination of the Some Body Measurements Effecting Fattening Final Live Weight of Cattle by the Regression Tree Analysis

Year 2015, Volume: 2 Issue: 1, 53 - 59, 25.06.2015

Rifat Akşahan İsmail Keskin

Abstract

The aim of this study is to determine body measurements affecting final live weight (FLW) at fattening period of 103 young (Holstein, Simmental, Brown Swiss and crossbreed) bulls reared in Bolvadin district of Afyon province of Turkey. For this aim, a regression tree method on the basis of CHAID (Chi-Squared Automatic Interaction Detector) algorithm were used. FLW was considered as response variable. The independent variables included in the study were withers height (WH), back height (BH), front rump height (FRH), back rump height (BRH), body length (BL), back rump width (BRW), chest dept (CD), chest circumference (CC), and fattening period (FP). Minimum numbers of young bulls in parent and child nodes for CHAID algorithm were assigned as: 8:4, in order to obtain the best model quality criteria for the data evaluated under the study. Model quality criteria like coefficient of determination (%), adjusted coefficient of determination (%), and the Pearson correlation between actual and predicted fattening FLW values were estimated to determine the effectiveness of CHAID algorithm. The independent variables influencing FLW were CC (Adj. P<0.01), BL (Adj. P<0.05), BRH (Adj. P<0.01), and FP (Adj. P<0.01). Coefficient of determination (%), adjusted coefficient of determination (%), and the Pearson correlation between actual and predicted fattening final weight values were found 87.82 (%), 87.32 (%), and 0.937, illustrating that use of CHAID algorithm visually provided a high predictive accuracy. The heaviest FLW (545.850 kg) at fattening period were obtained from the sub-group of the young bulls with CC > 190 cm, averagely. The secondly heaviest sub group of the young bulls with 183 < CC < 190 cm and FP > 4 months provided a FLW of 505.562 kg. Consequently, the use of CHAID algorithm for predicting FLW from various body measurements could be advised to be useful for breeding pur-poses.

Keywords

CHAID algorithm, Regression tree, Holstein, Simmental, Brown swiss

Sığırlarda Besi Sonu Canlı Ağırlığını Etkileyen Bazı Vücut Ölçülerinin Regresyon Ağacı Yöntemi ile Belirlenmesi

Abstract

Bu çalışmanın amacı, Türkiye'nin Afyon ili Bolvadin ilçesinde yetiştirilen 103 baş (Siyah Alaca, Simental, Esmer ve Melez ) tosunun besi sonu canlı ağırlığını (BSCA) etkileyen vücut ölçülerini belirlemektir. Bu amaç için, CHAID algoritmasını esas alan regresyon ağacı metodu kullanılmıştır. Bağımlı değişken olarak, BSCA kullanılmıştır. Bu çalışmada kullanılan bağımsız değişkenler sırasıyla, cidago yüksekliği (CY), sırt yüksekliği (SIY), sağrı yüksekliği (SAY), kuyruk sokumu yüksekliği (KSY), vücut uzunluğu (VU), arka sağrı genişliği (ASG), göğüs derinliği (GD), ve göğüs çevresi (GÇ) ve besi süresi (BS) olmuştur. Bu çalışmada en iyi model kriterlerini elde etmek amacıyla CHAID algoritması için ebeveyn ve çocuk düğümde bulunan minimum tosun sayıları 8:4 olarak ayarlanmıştır. CHAID algoritmasının etkinliğini belirlemek için model kalite kriterleri olarak belirleme katsayısı, düzeltilmiş belirleme katsayısı ve gerçek ve tahmin edilen BSCA değerleri arasındaki Pearson korelasyon katsayısı kullanılmıştır. BSCA etkileyen bağımsız değişkenler; GÇ (Düz. P<0.01), VU (Düz. P<0.05), KSY (Düz. P<0.01) ve BS (Düz. P<0.01) olmuştur. Belirleme katsayısı (%), düzeltilmiş belirleme katsayısı (%) ve gerçek ve tahmin edilen BSCA değerleri arasındaki Pearson korelasyon katsayısı sırasıyla, 87.82 (%), 87.32 (%) ve 0.937 bulunmuştur. Model kalite kriterleri, CHAID algoritması kullanımının yüksek bir tahmin doğruluğu sağladığı göstermiştir. Ortalama olarak, en ağır BSCA (545.850 kg); göğüs çevresi GÇ > 190 cm olan tosunların oluşturduğu alt gruptan elde edilmiştir. İkinci olarak en ağır BSCA (505.562 kg); 183 < GÇ < 190 cm ve BS > 4 ay olan tosunların oluşturduğu alt gruptan elde edilmiştir. Sonuç olarak, farklı vücut ölçülerinden BSCA tahmin etmek amacıyla CHAID algoritması kullanımı, hayvan ıslahı çalışmaları için tavsiye edilebilir.

Keywords

CHAID algoritması, Regresyon Ağacı, Siyah Alaca, Simental, Esmer Sığır