任行達，梁 璐，李喜陽，王中齊，楊鈺青，劉向東,2*

（1.農(nóng)業(yè)農(nóng)村部豬遺傳育種重點實驗室，華中農(nóng)業(yè)大學(xué)動物科學(xué)技術(shù)學(xué)院，湖北武漢 430070；2.農(nóng)業(yè)農(nóng)村部生豬健康養(yǎng)殖重點實驗室，廣西揚翔股份有限公司，廣西貴港 537100）

斷奶仔豬數(shù)（Number of Weaned Piglets）是母豬重要的繁殖性狀之一，其直接決定豬場的生產(chǎn)力水平和經(jīng)濟效益，受遺傳、營養(yǎng)、疾病和環(huán)境等諸多因素影響。劉彬等研究發(fā)現(xiàn)母豬的繁殖性能受胎次、不同的雜交方式、季節(jié)等因素影響。孫亞楠等研究發(fā)現(xiàn)諸如胎次、年齡、品種、飼養(yǎng)管理、營養(yǎng)等均會影響母豬的繁殖性能，且其之間也會有一定程度的相互影響。由此可見，影響斷奶仔豬數(shù)的因素繁多且作用復(fù)雜，傳統(tǒng)的建模方法如線性回歸很難捕捉眾多影響因素之間復(fù)雜的非線性關(guān)系，這也是很多研究的局限所在。然而，隨著大數(shù)據(jù)時代的到來，機器學(xué)習(xí)算法為解決此類問題帶來了希望。

機器學(xué)習(xí)由數(shù)據(jù)驅(qū)動，可從歷史數(shù)據(jù)中訓(xùn)練模型進而對未來數(shù)據(jù)進行預(yù)測。機器學(xué)習(xí)是人工智能的核心，其在農(nóng)牧領(lǐng)域已有諸多的應(yīng)用嘗試。Gorczyca等利用隨機森林等4種機器學(xué)習(xí)方法對豬直腸、表皮和皮毛外部溫度進行了預(yù)測，并取得了較好的預(yù)測效果。Messad等利用肌肉轉(zhuǎn)錄組數(shù)據(jù)，通過梯度增強機器方法，鑒定出了幾個可作為豬飼料效率預(yù)測因子的基因。Mollenhorst等根據(jù)農(nóng)場生產(chǎn)管理數(shù)據(jù)如個體活重、產(chǎn)仔數(shù)等，在屠宰前的3個月使用梯度增強樹算法對豬肺炎、生長速度和肉類百分比進行預(yù)測，為建立育肥豬預(yù)警系統(tǒng)打下了良好基礎(chǔ)。因此，本研究基于收集到的豬場生產(chǎn)數(shù)據(jù)，利用邏輯回歸等5種機器學(xué)習(xí)算法對斷奶仔豬數(shù)進行早期預(yù)測，以期為確定母豬選留和調(diào)整哺乳期管理策略提供一定參考依據(jù)。

1 材料與方法

1.1 數(shù)據(jù)的收集與整理 本研究收集了廣西某規(guī)?；肛i場共13 285頭母豬的生產(chǎn)數(shù)據(jù)，包含母豬的配種季節(jié)、分娩季節(jié)、斷奶季節(jié)、斷配間隔、胎次、妊娠天數(shù)、胎間距、分娩窩重、哺乳天數(shù)和斷奶仔豬數(shù)信息，使用Excel 2016軟件刪除異常值后剩余10 623頭母豬數(shù)據(jù)。斷奶仔豬數(shù)為要預(yù)測的目標變量，其余變量作為構(gòu)建模型的待選特征。

1.2 描述統(tǒng)計 使用SPSS 26.0軟件對目標變量及非季節(jié)特征進行描述統(tǒng)計，檢查數(shù)據(jù)集是否存在缺失值，計算四分位數(shù)、均值和標準差（表1）。

表1 目標變量及非季節(jié)特征描述統(tǒng)計

1.3 制定分類標準 以上四分位數(shù)為閾值，將斷奶仔豬數(shù)大于或等于14頭的定義為高產(chǎn)母豬，小于14頭的定義為非高產(chǎn)母豬。

1.4 特征選擇 使用R 4.0.3軟件中的ggpubr包進行Wilcoxon秩和檢驗篩選高低產(chǎn)母豬之間差異顯著的非季節(jié)特征，然后使用R 4.0.3軟件中的Boruta包篩選預(yù)測斷奶仔豬數(shù)的重要特征。<0.05表示差異顯著。

1.5 機器學(xué)習(xí)算法簡介 邏輯回歸（Logistic Regression，LOG）：邏輯回歸是研究離散型因變量與自變量之間關(guān)系的有監(jiān)督機器學(xué)習(xí)方法，通常應(yīng)用于二分類問題，屬于廣義線性回歸，其優(yōu)點是運算速度快，模型可解釋性好；缺點是對多重共線性較為敏感，難以處理數(shù)據(jù)的不平衡問題。本研究使用R軟件的Glm函數(shù)構(gòu)建LOG模型。

支持向量機（Support Vector Machines，SVM）：支持向量機是應(yīng)用于分類和回歸問題的有監(jiān)督機器學(xué)習(xí)算法，其核心是利用核函數(shù)尋找一個能實現(xiàn)最大分類間隔的最優(yōu)超平面，進而求得最優(yōu)解，其優(yōu)點是擅長處理非線性問題，缺點是必須對輸入數(shù)據(jù)進行完全標記以及解出的模型參數(shù)難以理解。本研究使用R軟件的e1071包構(gòu)建SVM模型。

決策樹（Decision Tree，DT）：致力于從無規(guī)則的事物中推理出劃分屬性，以自上而下的方式生成若干葉節(jié)點直至到達終末節(jié)點，可用于分類和回歸問題。其優(yōu)點在于原理規(guī)則較易理解以及結(jié)果呈現(xiàn)更為直觀，缺點是不能很好的處理非結(jié)構(gòu)化數(shù)據(jù)。本研究使用R軟件的tree包構(gòu)建DT模型。

隨機森林（Random Forest，RF）：隨機森林是包含多棵相互獨立的決策樹的集合算法，根據(jù)生成的所有決策樹的眾數(shù)來劃分樣本歸屬，其優(yōu)點在于對數(shù)據(jù)集中的噪聲和異常值有較大容忍度，可以判斷出特征的重要程度；缺點在于計算耗時，對于噪聲較大的數(shù)據(jù)容易過擬合。本研究使用R軟件的Random Forest包構(gòu)建RF模型。

K-近鄰（K-Nearest Neighbour，KNN）：K-近鄰是一種基于統(tǒng)計的可用于分類和回歸問題的算法，其原理可簡單理解為依據(jù)距離樣本最近的k個其他樣本來計算樣本歸屬，其優(yōu)點在于易于實現(xiàn)，無需對參數(shù)進行估計，缺點是容易導(dǎo)致維數(shù)災(zāi)難。本研究使用R軟件的kknn包構(gòu)建KNN模型。

1.6 模型評價方法 對根據(jù)分類標準處理后的數(shù)據(jù)集進行隨機拆分，其中70%的數(shù)據(jù)作為訓(xùn)練集來訓(xùn)練模型，30%的數(shù)據(jù)作為驗證集來驗證模型的性能。采用ROC（Receiver Operating Characteristic）曲線下面積（Area Under Curve，AUC值）評價模型優(yōu)劣。

2 結(jié)果

2.1 特征選擇 使用Wilcox秩和檢驗分析高低產(chǎn)母豬非季節(jié)特征之間的差異（表2）。結(jié)果顯示，在高低產(chǎn)母豬群體之間，其斷配間隔差異顯著（<0.05），胎次、妊娠天數(shù)、胎間距、分娩窩重差異極顯著（<0.01），哺乳天數(shù)差異不顯著（>0.05）。

表2 高低產(chǎn)母豬非季節(jié)特征差異分析

然后使用R 4.0.3軟件中的Boruta包從季節(jié)特征和差異顯著的非季節(jié)特征中篩選預(yù)測斷奶仔豬數(shù)的重要特征。結(jié)果顯示待選的8個特征都是重要特征，其中分娩窩重特征重要性要遠遠大于其他特征（圖1）。

圖1 特征篩選箱線圖

2.2 模型評估 根據(jù)篩選到的重要特征，使用RF、SVM、LOG、DT、KNN 5種機器學(xué)習(xí)算法對斷奶仔豬數(shù)進行分類預(yù)測，預(yù)測結(jié)果（AUC值）如圖2所示。結(jié)果顯示，5種機器學(xué)習(xí)預(yù)測準確性（AUC值）在0.846～0.912之間，其中RF、LOG和SVM預(yù)測模型的AUC值均在0.9以上，LOG和RF預(yù)測效果較好（AUC值為0.912和0.910），SVM和DT預(yù)測效果次之（AUC值為0.903和0.876），KNN預(yù)測效果最差（AUC值為0.846），表明機器學(xué)習(xí)尤其是LOG、RF和SVM對于預(yù)測母豬斷奶仔豬數(shù)有一定的實用性和準確性。

圖2 5種模型的ROC曲線圖

2.3 非季節(jié)特征變量相關(guān)分析 為了進一步探究特征變量的相互關(guān)系，使用R4.0.3軟件中的psych包分析數(shù)據(jù)集中非季節(jié)變量之間spearman相關(guān)性（圖3）。結(jié)果顯示，分娩窩重與斷奶仔豬數(shù)之間存在較強的正相關(guān)（=0.6），胎間距與斷奶仔豬數(shù)之間存在微弱的正相關(guān)（=0.06），胎次和妊娠天數(shù)與斷奶仔豬數(shù)之間存在微弱負相關(guān)（=-0.06），而斷配間隔和哺乳天數(shù)與斷奶仔豬數(shù)之間不存在相關(guān)性（=0）。此外，斷配間隔與胎間距、胎次與妊娠天數(shù)、胎間距與妊娠天數(shù)之間都存在一定程度的正相關(guān)（>0.1）。

圖3 非季節(jié)變量相關(guān)性熱圖

3 討 論

本研究在特征篩選之前對非季節(jié)特征進行了Wilcox秩和檢驗，以最大程度發(fā)現(xiàn)重要特征和防止特征冗余，如Oh等在利用微生物組和代謝組數(shù)據(jù)預(yù)測非酒精性脂肪肝硬化時，在特征篩選之前，先使用Wilcox秩和檢驗篩選患者與對照組之間差異顯著的微生物和代謝物，防止了冗余特征的出現(xiàn)，提高了模型預(yù)測性能，這與本研究結(jié)果相一致。

Boruta（https://cran.r-project.org/web/packages/Boruta/）是基于隨機森林分類器構(gòu)建的一種特征選擇算法。該算法將特征的相關(guān)性與隨機森林的相關(guān)性進行比較，可以捕獲與結(jié)果變量有關(guān)的所有特征，已被廣泛應(yīng)用于篩選各類重要特征。本研究利用Boruta篩選影響斷奶仔豬數(shù)的重要特征有配種季節(jié)、分娩季節(jié)、斷奶季節(jié)、胎次、胎間距、妊娠天數(shù)、斷配間隔和分娩窩重，而前人利用傳統(tǒng)的分析方法，如單因素方差分析、多因素方差分析等，發(fā)現(xiàn)胎次、斷配間隔、分娩窩重、配種季節(jié)、分娩季節(jié)、斷奶季節(jié)等多種因素都會對母豬斷奶仔豬數(shù)產(chǎn)生一定影響，與本研究結(jié)果相一致。眾多研究表明，胎次對母豬的產(chǎn)仔數(shù)有顯著影響，初胎母豬由于子宮等發(fā)育尚未完全成熟，產(chǎn)仔數(shù)較低，3～6胎母豬逐漸到達產(chǎn)仔高峰，6胎以后由于母豬年齡過大，各方面機能下降，產(chǎn)仔數(shù)逐漸降低。Iida等研究發(fā)現(xiàn)斷配間隔在0～6 d的母豬的產(chǎn)仔數(shù)要顯著高于7～12 d的，而斷配間隔往往與母豬在妊娠期和哺乳期的營養(yǎng)狀況有關(guān)，合理的營養(yǎng)模式可使母豬在產(chǎn)后加快子宮損傷修復(fù)、斷奶后保持良好的體況，進而縮短斷配間隔，發(fā)揮其產(chǎn)仔性能，最終提高斷奶仔豬數(shù)。母豬在不同季節(jié)其卵泡發(fā)育和排卵時間不同，實質(zhì)上是由于溫濕度不同導(dǎo)致的，如夏季溫濕度過高會損傷卵泡發(fā)育、降低受孕率以及增加胚胎死亡率，導(dǎo)致總產(chǎn)仔數(shù)降低，進而降低斷奶仔豬數(shù)。

此外，本研究基于篩選的重要特征利用LOG等5種機器學(xué)習(xí)算法擬合的模型的AUC值均在0.84以上，進一步驗證了所選特征的正確性。在特征選擇中發(fā)現(xiàn)分娩窩重的重要性要遠遠大于其他特征，或許是因為分娩窩重與斷奶仔豬數(shù)之間的相關(guān)度遠大于其他特征與斷奶仔豬數(shù)的相關(guān)度。

本研究基于收集到的生產(chǎn)數(shù)據(jù)，使用了LOG、RF等5種機器學(xué)習(xí)算法預(yù)測斷奶仔豬數(shù)，模型的AUC值在0.846～0.912之間，其中，LOG、RF和SVM的AUC值均在0.9以上，與之相比，Piles等人使用RF等機器學(xué)習(xí)算法從轉(zhuǎn)錄組數(shù)據(jù)中識別與豬飼料效率相關(guān)的基因時其模型AUC值均低于0.85，Mollenhorst等利用機器學(xué)習(xí)預(yù)測豬胴體性狀時其模型AUC值只有0.58～0.83，表明機器學(xué)習(xí)在預(yù)測斷奶仔豬數(shù)等繁殖性能方面擁有巨大潛力。然而本研究仍具有一定局限性，首先是特征數(shù)量仍不夠豐富，沒有納入采食量、溫濕度、品種等可能影響斷奶仔豬數(shù)的因素；其次，本研究群體規(guī)模有限，所得模型是否具有很好的泛化能力和普遍適用性尚有待驗證。下一步應(yīng)嘗試擴大群體規(guī)模，增加特征變量，進一步提高模型預(yù)測性能和泛化能力。

4 結(jié) 論

母豬的斷奶仔豬數(shù)高低直接影響豬場的生產(chǎn)水平和經(jīng)濟效益，分娩前后的早期預(yù)測對管理者決定母豬的淘汰選留以及調(diào)整哺乳期管理策略具有重要的現(xiàn)實意義。本研究根據(jù)分娩窩重等生產(chǎn)數(shù)據(jù)，利用LOG等機器學(xué)習(xí)算法預(yù)測斷奶仔豬數(shù)，取得了較好的預(yù)測性能，這意味著豬場管理者或可在母豬哺乳前期依據(jù)預(yù)測結(jié)果提前制定淘汰計劃以最大程度節(jié)約成本和提高生產(chǎn)效率。