基于随机森林回归(RFR)、支持向量回归(SVR)和分类回归树(CART)算法的埃塞俄比亚本土绵羊体重预测模型构建与评估

本研究针对埃塞俄比亚小农户缺乏称重设备的现实问题，采用随机森林回归(RFR)、支持向量回归(SVR)和分类回归树(CART)三种机器学习算法，基于16个体尺性状建立本土绵羊体重(BW)预测模型。研究发现RFR模型预测精度最高（训练集R2=0.809，验证集R2=0.477），其中胸围(HG)是最关键预测因子（相对重要性40.90%），为资源受限地区的牲畜管理提供了有效的无称重评估方案。

　　

在埃塞俄比亚的广袤乡村，绵羊养殖不仅是重要的经济来源，更是无数小农户家庭生计的支柱。这些毛茸茸的牲畜提供肉、奶、皮毛等多种产品，还扮演着"活体储蓄银行"的角色。然而一个令人困扰的难题长期存在：在缺乏称重设备的偏远地区，农民们只能依靠肉眼估测羊只体重，这种传统方法就像雾里看花，准确性难以保证。体重估测的误差直接影响遗传选育、健康管理和市场交易的决策，成为制约畜牧业发展的隐形瓶颈。

正是在这样的背景下，研究人员将目光投向了机器学习技术带来的革新机遇。近期发表在《Veterinary and Animal Science》的研究论文，开创性地将三种先进算法——随机森林回归(Random Forest Regression, RFR)、支持向量回归(Support Vector Regression, SVR)和分类回归树(Classification and Regression Trees, CART)应用于埃塞俄比亚本土绵羊的体重预测，为解决这一实际问题提供了科学方案。

研究团队采用了多学科交叉的技术路线，主要关键技术方法包括：在埃塞俄比亚提格雷地区Tahtay Maichew区采集306头成年绵羊（249头母羊和57头公羊）的形态测量数据；使用悬挂式弹簧秤测量体重(BW)，测量卷尺获取16个线性体尺指标(LBMs)；应用JMP Pro 18统计软件进行描述性统计和相关分析；采用10折交叉验证和单标准误差规则优化模型性能；通过多种统计指标（AIC、RMSE、MAE、R2等）全面评估算法预测精度。

3.1. 描述性统计和相关系数

研究人员首先对306头绵羊的体重和体尺性状进行了系统分析。数据显示平均体重为23.59公斤，大多数性状表现出较低至中等的变异性（CV < 15%）。特别值得注意的是，胸围(HG)和体长(BL)与体重呈现最强的正相关关系（相关系数r分别为0.61和0.46），这表明这些指标可能作为体重预测的关键参数。而耳长(EL)和毛长(HRL)则表现出较高的变异性，提示这些性状可能不太适合作为稳定的预测指标。

3.2. 算法的预测性能

CART算法生成了一棵包含12个节点的回归树，使用了四个主要预测因子：胸围(HG)、耆甲高(HAW)、毛长(HRL)和体长(BL)。该模型成功地将羊群按体重分层，范围从18.53公斤到34.80公斤，其中最重的羊群同时具有较大的胸围（HG ≥ 74 cm）和较高的耆甲高（HAW ≥ 72 cm）。

三种算法的比较结果显示，RFR表现出最优异的预测性能，在训练集和验证集上都取得了最高的决定系数（R2分别为0.809和0.477）和最低的均方根误差（RMSE分别为1.650和2.825）。SVR在训练阶段表现良好，但在验证阶段泛化能力较弱，表明可能存在过拟合问题。CART算法整体表现最弱，预测精度相对较低。

变量重要性分析揭示了不同算法中预测因子的贡献差异。在RFR模型中，胸围(HG)以40.90%的相对重要性位居首位，体长(BL)和耆甲高(HAW)分别以14.85%和14.63%的重要性紧随其后。SVR模型同样显示胸围是最重要预测因子（16.30%），但其他参数如胸深(CD)、肩点宽(SPW)和臀宽(RW)也贡献了7.00-8.10%的重要性。CART模型则更加极端，除了胸围(HG，68.76%)、耆甲高(HAW，19.78%)、毛长(HRL)和体长(BL)外，其他性状的重要性均为零。

4.1. 描述性统计和相关系数

研究发现与先前多项研究一致，证实了胸围和体长作为体重预测指标的稳健性。这种一致性跨越了不同物种和品种，从绵羊到山羊再到牛类，胸围都显示出与体重的强相关性。然而，本研究中的相关系数低于某些先前报道，这可能反映了品种特性、环境条件、年龄分布和管理实践的差异。中等程度的相关性出现在胸深、尾宽、管围和臀宽等性状上，表明这些指标提供辅助预测价值。而肩高、耳长和毛长则显示出微弱或不显著的相关性，限制了它们在体重预测模型中的实用性。

4.2. 算法的预测性能

CART回归树分析成功利用关键形态测量指标对绵羊体重进行了分层，胸围成为主要决定因素。这一发现与在绵羊和山羊中的先前研究一致。模型的层次结构显示，羊群首先按胸围划分，然后使用其他显著性状（耆甲高、毛长和体长）进一步分类，证明了这些测量在确定体重方面的相对重要性。

RFR模型的优越性能可能源于其捕捉非线性关系的内在能力，这使其特别适用于绵羊体重预测。尽管SVR在训练阶段表现出与RFR相当的性能（具有相似的R2和RMSE值），但其较差的验证结果表明泛化能力有限，可能通过参数调整来缓解过拟合问题。CART算法表现出最弱的性能，提示其容易过拟合且对精确体重预测的准确性有限。然而，CART在分类（如体重类别）和识别育种计划中的关键形态性状方面仍然具有价值。

研究表明，数据挖掘(DM)和机器学习(ML)算法的比较性能在不同研究和物种间存在显著差异。集成方法的最新进展产生了特别稳健的结果，如XGBoost(XGB)和梯度提升(GBoost)在相关研究中显示出卓越的准确性。这些发现共同强调了算法性能的情境依赖性，其因物种、品种特征和数据集属性而有很大变化。

本研究得出结论，胸围(HG)是体重最可靠的预测指标，体长(BL)作为重要的次要预测指标，表明它们作为间接选择标准 combined 使用可提高埃塞俄比亚绵羊的生产效率。小农户和育种计划可以将这些形态性状纳入遗传改良策略，特别是在资源受限的环境中。RFR算法在从线性体尺指标估计体重方面表现出高预测准确性，为缺乏称重设备的农村地区提供了实用解决方案。虽然RFR被确定为最优方法，但SVR仍然是可行的替代方案，尽管精度稍低。为增强普适性，未来研究应在不同农业生态区使用更大数据集验证这些模型，并纳入年龄、性别和品种变异。