基于数据挖掘算法与回归方法利用生物特征预测非描述性本地鸡活体体重的研究

《Tropical Animal Health and Production》：Comparison of data mining algorithms and regression method for prediction of live body weight using biometric traits of non-descript indigenous chickens

　　

中文翻译 本研究旨在探究活体体重与生物特征之间的关系，并利用非描述性本地鸡的生物特征对其活体体重进行估算。研究人员采用横断面研究设计，通过多阶段目的性抽样程序随机选取了400只非描述性本地鸡（113只公鸡和287只母鸡）。研究人员测量了活体体重（LBW）、体长（BL）、喙长（BKL）、胫长（SL）、胫围（SC）和冠高（CH）。研究人员采用皮尔逊相关分析、CHAID、CART和逐步线性回归对数据进行了分析。相关分析结果显示，公鸡的活体体重与体长呈显著正相关（P < 0.01，r = 0.63），母鸡的活体体重与胫围呈显著正相关（P < 0.01，r = 0.45）。回归结果表明，对于公鸡，结合体长、喙长、冠高和胫围的模型（R2 = 0.62，RMSE = 15.26，AIC = 2183.27，BIC = 2199.23）在估算活体体重方面表现最佳；而对于母鸡，结合胫围、体长、喙长和冠高的模型（R2 = 0.36，RMSE = 12.31，AIC = 2011.20，BIC = 2027.17）在估算活体体重方面表现最佳。CHAID结果显示，胫围是估算活体体重的最佳变量，而CART模型结果显示，性别是估算活体体重的最佳变量。CHAID模型（r = 0.79，R2 = 0.63，RMSE = 11.73，AIC = 1969.45，BIC = 1973.44）在预测性能上优于逐步回归和CART模型。研究得出结论：没有任何一个模型在预测鸡的活体体重方面表现出良好的性能。

论文解读

一、研究背景与意义

鸡肉生产是全球最普遍的家禽养殖体系之一。非描述性本地鸡以其对恶劣环境条件的卓越适应能力而著称，是农村家庭重要的蛋白质、矿物质和必需维生素来源，同时为农户带来可观的经济收入。对于养殖户和育种者而言，活体体重（LBW）的准确测量对于饲养管理、健康监测、生产决策和市场营销至关重要，直接影响养鸡业的生产力和盈利能力。然而，大多数自给自足的农户面临缺乏称重设备的困境，难以评估鸡只的生长状况，也无法做出合理的用药、选择性育种和饲喂等管理决策。

在此背景下，利用统计方法和数据挖掘算法，通过易于测量的生物特征来估算活体体重，成为解决这一实际问题的有效途径。逐步回归分析能够识别最具影响力的变量，是构建最优回归模型的常用方法；数据挖掘算法则通过数据生成预测模型，用于预测因变量。尽管已有若干研究利用生物特征估算鸡的活体体重，但在南非林波波省波罗克瓦尼地方市辖区内，针对非描述性本地鸡的相关研究仍然有限。因此，本研究旨在探究该地区非描述性本地鸡生物特征与活体体重之间的关系，并比较逐步回归、CART和CHAID三种模型的预测性能，以确定最佳估算模型，为农户和育种者提供实用的体重估算工具。

二、研究设计与技术方法

本研究在南非林波波省卡普里科恩区波罗克瓦尼地方市辖区开展，该地区属半干旱气候。研究人员从143个村庄中按10%比例选取14个村庄，采用多阶段抽样结合目的性抽样和随机抽样程序，最终选取80户农户的400只成年非描述性本地鸡（113只公鸡和287只母鸡，年龄20周至2年）作为研究对象，采用横断面研究设计，鸡只在半集约化生产体系下饲养。研究人员使用皮尔逊相关分析检测生物特征与活体体重间的相关性，通过容差和方差膨胀因子（VIF）检验多重共线性，并采用逐步回归、分类回归树（CART）和卡方自动交互检测（CHAID）三种模型估算活体体重，以相关系数（r）、决定系数（R²）、调整决定系数（Adj.R²）、均方根误差（RMSE）、赤池信息准则（AIC）和贝叶斯信息准则（BIC）作为模型拟合优度评价指标。

三、研究结果

描述性统计与数据检验

描述性统计结果显示，活体体重、体长、喙长、胫长、胫围和冠高的偏度和峰度值均近似正态分布。直方图显示回归标准化残差近似正态分布，残差均值为-4.28×10?1?，标准差为0.994，满足残差正态性假设。正态概率-概率（P-P）图中残差点紧密围绕对角线参考线分布，进一步确认残差近似正态。散点图显示残差随机分布于零附近，无明显漏斗形模式，表明数据满足同方差性假设。多重共线性检验中，容差和VIF值范围分别为0.482至0.723和1.384至2.073，表明活体体重与生物特征之间不存在多重共线性问题。

活体体重与生物特征的关系

相关分析结果显示，公鸡的活体体重与体长（r = 0.63）、喙长、胫长、胫围和冠高均呈显著正相关（P < 0.01）；母鸡的活体体重与体长、胫长、胫围和冠高呈显著正相关（P < 0.01），但与喙长无显著相关（P > 0.05）。公鸡活体体重与体长的相关性最高，母鸡活体体重与胫围的相关性最高（r = 0.45）。

逐步回归估算活体体重

逐步回归结果显示，公鸡模型的R²范围为0.39至0.62，其中结合体长、喙长、冠高和胫围的模型4具有最高的决定系数（R² = 0.62）和最低的均方根误差（RMSE = 15.262）。母鸡模型的R²范围为0.20至0.36，其中结合胫围、体长、喙长和冠高的模型4具有R² = 0.36和最低的均方根误差（RMSE = 12.309）。

CHAID模型估算活体体重

CHAID回归树显示，根节点0（活体体重1370.05 ± 482.378 g，n = 400）首先基于胫围分为五个子节点：节点1（胫围≤3.70 cm，939.621 ± 313.658 g，n = 33）、节点2（胫围3.70–4.50 cm，1148.413 ± 283.885 g，n = 169）、节点3（胫围4.50–4.80 cm，1306.144 ± 194.614 g，n = 54）、节点4（胫围4.80–5.80 cm，1580.288 ± 406.975 g，n = 103）和节点5（胫围>5.80 cm，2186.122 ± 518.657 g，n = 41）。节点2进一步基于体长分为三个子节点，节点5基于冠高分为两个子节点，节点8基于胫长分为两个子节点。这表明胫围、体长、胫长和冠高均可用于估算非描述性本地鸡的活体体重，其中胫围可作为单一预测变量。

CART模型估算活体体重

CART回归树显示，根节点0首先基于性别分为两个子节点：节点1（公鸡，1878.228 ± 481.781 g，n = 113）和节点2（母鸡，1169.974 ± 302.532 g，n = 287）。节点1进一步基于体长分为两个子节点（体长≤27.00 cm和体长>27.00 cm），节点2基于胫长分为两个子节点（胫长≤6.90 cm和胫长>6.90 cm）。这表明性别、体长和胫长可作为活体体重的预测变量，其中性别可作为单一预测变量。

模型预测性能比较

拟合优度比较结果显示，CHAID模型表现最佳，具有最高的相关系数（r = 0.790）、决定系数（R² = 0.625）和调整决定系数（Adj.R² = 0.624），以及最低的均方根误差（RMSE = 11.726）、赤池信息准则（AIC = 1969.450）和贝叶斯信息准则（BIC = 1973.441），优于逐步回归和CART模型。

四、讨论与结论

讨论部分指出，体长是反映鸡只整体体型和体重的基本性状，胫长和胫围对支撑鸡只上半身重量至关重要，其生长与整体活体体重正相关。公鸡喙长与活体体重显著相关，可能与其觅食、抗捕食和交配竞争行为有关。研究结果与Yunusa和Adeoti（2014）、Yakubu和Ari（2018）以及Udeh等（2021）的发现一致，但与Ikeh和Okwesili（2021）及Adenaike等（2015）的报告存在差异，可能归因于不同环境条件下鸡只的适应性差异。

关于模型性能，所有模型的活体体重变异解释率均低于70%，未达到Mathapo等（2022）提出的良好模型性能标准（R²≥70%）。CHAID模型优于逐步回归和CART模型，与Isaac和Ernest（2025）的发现一致，但与Assan等（2024）和Tyasi等（2020a）报告CART模型最佳的结论相悖，差异可能源于鸡品种和环境条件的不同。

研究结论为：结合体长、冠高、胫围、胫长和喙长的回归模型对公鸡活体体重的变异解释率最高达62%；母鸡的变异解释率较低，结合冠高、体长和胫长的模型约为30%；CART模型表明性别可作为预测非描述性本地鸡活体体重的单一变量；CHAID模型表明胫围是最佳单一预测变量；所有纳入的模型在利用生物特征预测体重方面均表现不佳。研究建议未来应采用其他机器学习模型预测本地鸡体重。研究局限性包括：因农户缺乏记录而未将年龄作为活体体重的判别因素；饲料营养未知；预测模型使用与模型开发相同的数据集进行评估，缺乏独立验证或交叉验证，可能导致预测性能被高估。