使用体尺测量预测卡拉亚卡羔羊体重：回归与机器学习方法的比较

《Animals》：Body Weight Prediction in Karayaka Lambs Using Morphometric Measurements: A Comparison of Regression and Machine Learning Approaches

　　

体重是绵羊育种中用于评估生长性能、规划群体管理实践和确定经济效率的重要表型性状之一。在本研究中，研究人员联合采用生物统计学和机器学习方法，利用体尺特征预测卡拉亚卡羔羊的体重。研究材料包括来自托卡特省埃尔巴区一家私营企业的总共150只卡拉亚卡羔羊，其中75只公羔和75只母羔。研究评估了体重（BW）、胸围（HG）、腹围（AG）、对角线体长（DBL）、体长（BL）、肩高（WH）、臀高（RH）、髋宽（HW）、胸宽（CW）和体况评分（BCS）。使用皮尔逊相关分析和主成分分析（PCA）检验变量间的关系。应用多元线性回归、岭回归、LASSO回归、随机森林和梯度提升算法预测体重。此外，利用变量重要性分析和SHAP（SHapley Additive Explanations）方法增强模型可解释性。结果表明，性别间在体重和大多数体尺特征上存在显著差异（p < 0.05）。相关分析显示，腹围和胸围与体重的关联最强。根据PCA结果，第一主成分解释了大部分总方差，代表整体体型。在评估的机器学习模型中，梯度提升算法取得了最高的预测性能，训练R²为0.962，测试R²为0.862，同时预测误差最低（RMSE = 1.320 kg，MAE = 1.034 kg）。随机森林模型排名第二，测试R²为0.828。变量重要性和SHAP分析表明，胸围和腹围是预测体重的最重要特征。总之，体尺特征可有效用于预测卡拉亚卡羔羊的体重，梯度提升算法是一种提供高精度和可解释性的稳健方法。

论文解读文章

**研究背景与问题**
体重是绵羊育种中评估生长性能、规划群体管理及确定经济效益的核心表型性状。然而，直接称量体重需要专用设备，在田间或小规模养殖条件下常难以实现。因此，利用易获取的体尺测量（如胸围、腹围等）间接预测体重成为长期研究热点。传统方法多采用多元线性回归等统计模型，但体尺变量间常存在高度共线性，且体重与体尺的关系可能呈现非线性，限制了传统方法的精度。近年来，机器学习方法（如随机森林、梯度提升）因能捕捉复杂非线性关系而受到关注，但其“黑箱”特性导致模型可解释性不足，阻碍了生物学意义的解读。为此，本研究旨在比较传统回归与机器学习方法在卡拉亚卡（Karayaka）羔羊体重预测中的表现，并引入SHAP（SHapley Additive Explanations）可解释人工智能技术，以提升模型精度与可解释性。论文发表在《Animals》。

**研究内容与结论**
研究人员以150只卡拉亚卡羔羊（75公、75母，160–200日龄）为对象，采集体重（BW）及10项体尺指标：胸围（HG）、腹围（AG）、对角线体长（DBL）、体长（BL）、肩高（WH）、臀高（RH）、髋宽（HW）、胸宽（CW）和体况评分（BCS）。通过Pearson相关分析和主成分分析（PCA）揭示变量关系，并构建多元线性回归、岭回归（Ridge Regression）、LASSO回归、随机森林（Random Forest）和梯度提升（Gradient Boosting）五种模型，以R²、均方根误差（RMSE）和平均绝对误差（MAE）评估预测性能；对最佳模型利用变量重要性排序和SHAP分析进行解释。结果表明，梯度提升算法性能最优，训练R²=0.962、测试R²=0.862、RMSE=1.320 kg、MAE=1.034 kg，显著优于传统回归方法（测试R²≈0.736）。SHAP分析揭示胸围和腹围是贡献最大的预测特征，分别占重要性51.24%和26.12%。该研究为在缺乏称重设备条件下快速、低成本估测体重提供了实用工具，并验证了集成机器学习与可解释人工智能在动物科学中的应用潜力。

**关键技术与方法**
样本来源：土耳其托卡特省埃尔巴区一家私营羊场，150只卡拉亚卡羔羊（75公、75母，160–200日龄）。主要技术方法包括：①Pearson相关分析用于评估变量间线性关联；②主成分分析（PCA）用于降维并揭示体尺变量的共变结构；③多元线性回归及VIF（方差膨胀因子）诊断多重共线性；④岭回归（L2正则化）和LASSO回归（L1正则化）用于处理共线性及变量选择；⑤随机森林（500棵决策树）和梯度提升（150棵树，学习率0.05，最大深度2，子样本0.80）两种集成学习算法；⑥SHAP（基于TreeExplainer）量化各特征对模型输出的贡献及方向。所有分析在Python 3.12.10中完成，使用scikit-learn、statsmodels、SHAP等库。

**研究结果**

**3.1 描述性统计与性别因素**
独立样本t检验显示，公羔体重（30.49±0.38 kg）显著高于母羔（28.49±0.24 kg）（p<0.001），且所有体尺特征（HG、AG、DBL、BL、WH、RH、HW、CW、BCS）均存在性别间显著差异（p<0.05）。各变量变异系数在3.35%–10.03%之间，表明群体体尺相对均匀。

**3.2 相关分析与主成分分析**
Pearson相关分析表明，所有体尺特征与体重正相关，其中腹围（r=0.796）和胸围（r=0.794）与体重关联最强。肩高与臀高（r=0.947）、胸围与腹围（r=0.921）间存在极强正相关。PCA结果显示，第一主成分（PC1）特征值6.305，解释总方差69.58%，主要由胸围（载荷0.372）、肩高（0.366）、腹围（0.356）、臀高（0.353）和胸宽（0.344）构成，代表整体体型。前三主成分累计解释83.94%方差。

**3.3 多元线性回归分析**
经VIF筛查后，最终模型纳入腹围、肩高、髋宽和体况评分，回归方程为：BW = ?25.405 + 0.400(AG) + 0.194(WH) + 0.597(HW) + 1.277(BCS)。模型R²=0.677，调整R²=0.668。腹围贡献最大（β=0.400，p<0.001），其次是髋宽（β=0.597，p=0.044）和体况评分（β=1.277，p=0.042），肩高边际显著（p=0.068）。

**3.4 机器学习模型比较**
五种模型在测试集上的表现：梯度提升最优（R²=0.862，RMSE=1.320 kg，MAE=1.034 kg），随机森林次之（R²=0.828），线性回归、岭回归和LASSO回归R²均约为0.736。梯度提升在训练集上R²=0.962，表明集成学习算法能有效捕捉非线性关系，预测精度显著高于传统回归方法。

**3.5 变量重要性与SHAP分析**
基于梯度提升模型的变量重要性排序：胸围51.24%、腹围26.12%、臀高8.92%、髋宽3.26%、胸宽2.73%、体况评分2.67%、肩高2.05%、对角线体长2.02%、体长1.00%。SHAP分析进一步显示，胸围和腹围的高值对应模型预测体重的增加，低值则降低预测值，与相关性分析结果一致，验证了围度测量在体重预测中的核心作用。

**讨论与结论**
讨论部分指出，公羔体重及体尺显著高于母羔，符合绵羊性别二态性规律；围度测量（胸围、腹围）比线性测量更能反映体容积和肌肉沉积，故与体重相关性更强。PCA第一主成分代表整体体型，支持体尺变量间的结构化关系。梯度提升算法优于传统回归，因其能处理非线性交互；SHAP分析增强了模型可解释性，使关键特征贡献可量化。研究局限性在于样本仅来自单一群体、年龄范围窄（160–200日龄），且未纳入环境与营养因素，需在更大范围、不同品种和饲养条件下验证。研究结论部分原文翻译如下：体尺测量可有效用于卡拉亚卡羔羊的准确体重预测，无论是采用传统统计方法还是机器学习算法。在评估的模型中，梯度提升算法表现出最高的预测性能，表明其作为实用体重估计工具的潜力。此外，将机器学习与可解释人工智能相结合，通过识别最具影响力的体尺预测因子，提高了模型可解释性。尽管该框架在卡拉亚卡羔羊中显示出良好性能，但仍需利用代表不同群体、年龄组和生产环境的独立数据集进行进一步验证，以确认所开发模型的稳健性和泛化能力。