Discriminant Analysis of Animal Species Odor’s Response
Notice bibliographique
Résumé
The basis of our study is to identify the discriminating groups that are present in the observations as well as looking into the details of the classification of the observation that forms each group. The observations were obtained as a secondary data from a clinical experiment done by Wuensch, K. L in 1992 in his research paper, to identify the effects on the response of the fostered house mice towards species odor. The subjects used are only from the house mice of the species Mus. The nursing mothers selected were only from three species, which are house ‑mouse (Mus), deer mouse (Peromyscus) or rat (Rattus). The method used in this study is the discriminant analysis techniques. This study established the discriminant functions based on three groups of cross-forested nursing mothers in identifying the effects of response of the subjects towards the species odor. For new predicted membership, it is found that the largest group is group 3 which is the rat (Rattus) group. The resubstitution of the error rate is 30.6% and the cross validation error rate is 38.9%. Thus, because of the new observation was allocated to group of rat, it shows that the linear discriminant function obtained has been justified with the Discriminant Function Coefficient which showed that Rat-V is the predictor that is most heavily weighted on the first discriminant function. Mainly, this study can provide a platform and guidelines for other researchers to understand the classification characteristics of fostered animal species in response to species odor. Other than that, it will open other opportunities for other researchers to study discriminating factors of other species for the same objectives. Key words : Disriminant analysis; Odor; Animal species; Classification; Response
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».