Prediction of lactation milk yields using machine learning based on milk production data and reproduction performance indicators

本研究旨在利用机器学习技术，基于商业奶牛场饲养的瑞士褐牛的生产与繁殖性能指标数据集，预测全泌乳期产奶量。数据集包含年龄、泌乳次数、泌乳天数（DIM）、峰值产奶量、7天平均产奶量（DMY7）、干奶期、输精次数和产犊间隔等变量，以及作为分类变量的繁殖状态。全泌乳期产奶量作为目标变量。通过5折交叉验证和独立测试集，采用R²、RMSE、MAE和MAPE指标比较了多种机器学习算法的性能。测试结果表明，Extra Trees算法提供了最佳的预测性能（R² = 0.924，RMSE = 510.27 kg，MAPE = 7.63%）。结果显示，基于集成的树模型能够更好地捕捉产奶量与生产/繁殖性能指标之间的非线性依赖关系。通过SHAP分析对模型进行解释表明，泌乳天数和短期产奶指标对预测具有最高的重要性。研究结果表明，基于机器学习的方法可作为产奶量预测决策支持系统的可靠工具。