过喂前预测等级
用集成学习模型在过喂前预测骡鸭肥肝重量等级,帮助优化喂养策略。
Li, Jia · Mabrouk, Ichraf · Liu, Yuan-Yuan · Li, Sheng · Song, Yu · Ma, Jing Yu · Zhou, Yu · Li, Yue · 王波 · Hong, Pan · Xu, Jing · Zhang, Lin · 孙永峰
Poultry Science 2026
KNLR 通过异质集成特征选择和加权 AUC 评估,显著提升了预测精度,优于 LightGBM、朴素贝叶斯、随机森林和 K 近邻四种单一模型。
模型仅使用六个特征(包括过喂前形态测量和过喂后活重)即可达到高精度,减少了数据采集成本。
通过过喂前预测肥肝等级,生产者可以实施分级喂养管理,优化饲料效率,降低生产成本,提高经济效益。