原文作者：SuchithraRajendran博士和Janae Bradley  

近期，BMC Veterinary Research 上發表了一項機器學習(xi) 研究的最新結果，該研究可用於(yu) 預測動物將在一個(ge) 收容所呆的時間，以盡量減少它們(men) 停留的時間和被安樂(le) 死的機會(hui) ，決(jue) 定哪裏的收容所是最適合收養(yang) 它們(men) 的。Suchi Rajendran博士和Janae Bradley與(yu) 我們(men) 分享了更多有關(guan) 這項工作的精彩細節。

我們(men) 之中有多少人喜歡動物，又有多少人把寵物當成家庭的一部分呢？如果我告訴你，每年進入救助站的動物數量高達600萬(wan) ~800萬(wan) ，其中有300萬(wan) ~400萬(wan) 隻（即50%的進站動物）被安樂(le) 死，你會(hui) 怎麽(me) 想？更令人心痛的是，每年有10%~25%的動物是因為(wei) 收容所空間不足而被處死的。

家養(yang) 動物數量過多的問題持續增加，收容所麵臨(lin) 的增高收養(yang) 率挑戰也日益嚴(yan) 峻。雖然動物收容所提供了減免領養(yang) 費和在領養(yang) 前對動物進行消毒等激勵措施，但生活在收容所的動物仍隻有四分之一被領養(yang) 。

這些驚人的統計數據促使我們(men) 調查動物在收容所的停留時間，以及影響動物收養(yang) 率的因素。本研究的首要目標是利用這些因素進行預測，盡量減少動物在收容所的停留時間，從(cong) 而減少因空間不足而被安樂(le) 死的動物數量。要實現這個(ge) 目標必須進行幾個(ge) 步驟，如：通過文獻檢索了解相關(guan) 因素，從(cong) 數據庫和動物收容所收集數據，並借助機器學習(xi) 算法用這些數據預測動物在收容所的停留時間。

為(wei) 了了解動物在收容所停留時間的影響因素，我們(men) 進行了全麵的文獻綜述，發現有幾個(ge) 因素會(hui) 影響停留時間的長短，包括動物的顏色、性別、品種、動物類型和年齡。為(wei) 了利用這些因素對停留時間進行預測，我們(men) 使用機器學習(xi) 算法和預測分析進行了評估。

機器學習(xi) 就是利用訓練經驗，讓計算機自己編程學習(xi) 和改進的能力。開發的係統需要分析大數據，快速提供準確和可重複的結果，並能夠被應用於(yu) 新數據。通過從(cong) 所需輸入輸出數據的例子中學習(xi) ，可以訓練係統做出準確的預測。換句話說，我們(men) 希望讓計算機利用一個(ge) 停留時間已知的標簽數據集來進行學習(xi) 。下一步就是從(cong) 全國各地的數據庫和動物收容所中獲取這些數據。

從(cong) 數據庫和動物收容所收集的數據包括動物類型、收容和離開的日期、性別、顏色、品種、收容和離開的狀態（動物進入和離開收容所的行為(wei) 表現）等信息。這些數據集包括主要來自美國南部和西南部各州的信息。停留時間的類別分為(wei) “短時間”、“中等時間”、“長時間“和“超長時間”（安樂(le) 死）。  一旦收集並整理好數據，就可以將其輸入到機器學習(xi) 算法中。

有許多不同類型的算法可以用於(yu) 數據集上進行預測，困難的是確定哪種算法在給定的數據集上表現最好，因為(wei) 模型的性能取決(jue) 於(yu) 應用。本研究中使用了簡單的分類算法，如邏輯回歸、人工神經網絡、梯度提升和隨機森林。

結果表明，對於(yu) 該數據集，梯度提升算法開發的預測模型最為(wei) 成熟，其次是隨機森林算法。在所有類別的住院時間上，邏輯回歸算法的性能指標似乎都是最差的。有趣的是，當預測“超長停留時間”或安樂(le) 死時，梯度提升和隨機森林算法表現良好，準確率約為(wei) 70-80%。

貓狗年齡與(yu) 其在收容所停留天數的比較

從(cong) 上述探索性數據的結果來看，我們(men) 發現，隨著年齡的增長，狗在收容所的停留天數會(hui) 減少。這是在意料之外的，因為(wei) 預計年齡較小的狗和幼犬在收容所的停留天數會(hui) 較少。這一觀察結果可能是由於(yu) 年齡較小的狗有更多的數據點。

研究的另一個(ge) 有趣的結果是每種機器學習(xi) 算法得出的主要影響特征或因素。結果顯示，年齡（成年狗、老年狗和幼狗）、大小（大和小）和顏色（多色）對停留時間有重大影響。

在未來的研究中，我們(men) 將采取規範性分析方法，目的不僅(jin) 局限於(yu) 提高動物收容所中寵物的收養(yang) 率，而且還要確定最佳的動物收容所位置，讓動物在收容所中停留的時間最短且最有可能被收養(yang) 。

BMC Veterinary Research

doi:10.1186/s12917-020-02728-2

關(guan) 注【深圳科普】微信公眾(zhong) 號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書(shu) 籍】，了解最新科普書(shu) 籍
回複【團體(ti) 定製】，了解最新團體(ti) 定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習(xi) 觀鳥相關(guan) 科普星空体育官网入口网站
回複【博物學院】，了解更多博物學院活動詳情