Ağırlık tahmini için bazı farklı makine öğrenmesi algoritmalarının karşılaştırılması

Bu çalışmada, Romanov kuzularında ağırlık tahmini için Random Forest (RF), Extreme Gradient Boost (XGBoost), LightGBM, Gradient Boosting Machine (GBM) ve Support Vector Machine (SVM) makine öğrenmesi algoritmalarının tahminleme performanslarının karşılaştırılması amaçlanmıştır. Bu amaçla Tokat ili Niksar ilçesinde yetiştirilen, 285 Romanov koyunundan doğan 50 Romanov kuzusunun büyüme dönemine ilişkin Cidago yüksekliği, Sağrı yüksekliği, Vücut uzunluğu, Göğüs derinliği, Göğüs çevresi, Kürekler arası göğüs genişliği ve canlı ağırlıkları kullanılmıştır. Yöntemlerin tahmin performanslarını karşılaştırmak için , Hata Kareler Ortalaması (HKO), Hata Kareler ortalamasının karekökü (HKOK) ve Belirtme Katsayısı (R²) değerleri kullanılmıştır. Çalışma sonucunda Romanov kuzularının canlı ağırlık tahmininde Gradient Boosting Machine (GBM) algoritması, en düşük HKO (0.72801), HKOK (0.99534) ve en yüksek R² (0.98022) değerleri ile en iyi performansa ve doğruluğa sahip olduğu belirlenmiştir. Ayrıca, Random Forest (RF), Extreme Gradient Boost (XGBoost), LightGBM ve Support Vector Machine (SVM) algoritmaları da yüksek performans göstermiş ve canlı ağırlık tahmininde etkili sonuçlar sunmuştur.