Predicción de la producción diaria de leche en bovinos Gyr a través de métodos de aprendizaje supervisado
Loading...
Date
2022-12-14
Authors
Advisor
Link to resource
DOI
ORCID
Google Scholar
gruplac
description domain:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Santo Tomás
Share
PDF documents
Loading...
Resumen
La Asociación Colombiana de Criadores de Ganado Cebú - ASOCEBU, tiene interés en desarrollar una máquina para predecir la producción total diaria de leche
empleando mediciones de producción parciales en ganado Gyr y, en particular,
responder dos preguntas: 1) ¿puede un método predictivo de referencia ser superado
por métodos desarrollados a nivel local? 2) ¿cuál de los dos registros parciales
(AM o PM) tiene un mejor desempeño predictivo? Por lo tanto, el objetivo de
este artículo fue desarrollar una máquina predictiva para la producción diaria de
leche en bovinos Gyr utilizando registros parciales, intervalo entre ordeños, días en
lactancia, y número de partos (n=13806), mediante la implementación de métodos
de aprendizaje supervisado. Además de la máquina predictiva de referencia, varias
combinaciones de variables de entrada y modelo o método de aprendizaje fueron
consideradas. Se emplearon redes neuronales arti ciales, máquinas de soporte vectorial,
bosques aleatorios y regresión lineal cuyos parámetros de localización se
estimaron mediante mínimos cuadrados o los métodos de encogimiento Ridge y
Lasso. El desempeño predictivo (DP) se evaluó mediante validación cruzada utilizando
las siguientes funciones de error: la raíz del error cuadrático medio (RECM)
y el error absoluto medio (EAM). Se encontró que una red neuronal arti cial
con una capa oculta empleando el registro parcial AM, intervalo entre ordeños,
número de partos y días en leche como variables de entrada presentó el mejor DP
(RECM=1.5042, EAM=1.1389), pero en general, el desempeño de los diferentes métodos fue similar. Todas las máquinas cuyos parámetros se aprendieron empleando
los datos locales fueron superiores al método de referencia y los registros
parciales de la mañana presentaron mejor DP que los de la tarde. Estos resultados
permiten direccionar el programa de control lechero de ASOCEBU y generan un
método "a la medida" para predecir la producción total diaria de leche en ganado
Gyr en Colombia, un componente importante de los programas de mejoramiento
genético y modelamiento del nivel productivo en esta raza.
Abstract
The Asociación Colombiana de Criadores de Ganado Cebú - ASOCEBU, has interest
in developing a machine to predict total daily milk yield using partial production
measurements in Gyr cattle and, in particular, answering two questions:
1) can a reference predictive method be outperformed by locally developed methods?
2) which one of the two partial records (AM or PM) has a better predictive
performance? Therefore, the objective of this paper was to develop a predictive
machine for daily milk yield in Gyr cattle using partial records, milking interval,
days in milk, and parity (n=13806), by implementing supervised learning methods.
Besides the reference predictive machine, several combinations of input variables
and model or learning method were considered. Arti cial neural networks, support
vector machines, random forests, and linear regression with location parameters
estimated via least squares, or the shrinkage methods Ridge and Lasso were used.
The predictive performance (PP) was assessed through crossvalidation using the
following error functions: square root of mean square error (RMSE) and mean
absolute error (MAE). It was found that an arti cial neural network with a single
hidden layer and the AM partial record, milking interval, parity and days in milk
as input variables had the best PP (RMSE=1.5042, MAE=1.1389), but in general,
the performance of the methods was similar. All machines whose parameters
were learned using local data outperformed the reference method and the morning
partial records showed a better PP than those from the afternoon. These results
permit guiding ASOCEBU's milk control program and generate a "tailormade"
method to predict total daily milk yield of Gyr cattle in Colombia, a relevant
component of the genetic improvement and productivity modelling programs of
this breed.
Language
spa
Keywords
Citation
Zea Higuera, A. (s.f.). Predicción de la producción diaria de leche en bovinos Gyr a través de métodos de aprendizaje supervisado. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
Collections
Creative commons license
Atribución-NoComercial-SinDerivadas 2.5 Colombia
Atribución-NoComercial-SinDerivadas 2.5 Colombia
Atribución-NoComercial-SinDerivadas 2.5 Colombia