Makine Öğrenmesinin Süt ve Süt Ürünlerinde Kullanımına Yönelik Meta-Analitik Değerlendirme

Abstract

Makine öğrenmesi, tarım ve hayvancılık alanlarında giderek yaygınlaşmakta, veri setlerindeki desenleri keşfetmede, sonuçları tahmin etmede, hastalık ve zararlı tespiti gibi birçok uygulamada da önemli avantajlar sağlamaktadır. Hayvancılık sektöründe üretilen süt ve benzeri ürünlerin kalite kontrolü, sınıflandırılması ve verim tahmini gibi alanlarda da etkili bir şekilde kullanılmaktadır. Bu çalışma, 2020-2025 yılları arasında yayımlanmış olan ve makine öğrenmesi algoritmalarından biri olan Random Forest (RF) algoritmasının süt ve süt ürünlerine ilişkin veri setlerinde kullanımını ele alan bir meta-analiz çalışmasıdır. Çalışma kapsamında Web of Science (WOS) ve ScienceDirect veri tabanları üzerinden “makine öğrenmesi”, “Random Forest”, “süt”, “süt ürünleri” ve “sınıflama” anahtar kelimelerini içeren toplam 15 adet araştırma makalesi değerlendirilmiştir. Derleme, kitap, kongre bildirileri gibi çalışmalar kapsam dışına alınmıştır. Bu çalışmalara ait etki büyüklükleri doğruluk değeri üzerinden hesaplanmıştır. Bu değerler Freeman-Tukey çift açılı dönüşümü ile standardize edilerek meta analiz çalışmasına uygun hale getirilmiştir. Çalışmaların heterojenlik durumları Cochran’ın Q ve I² istatistik testleriyle incelenmiştir. Rastgele etkiler modeli tercih edilerek random forest algoritmasının performansı sunulmuştur. Analiz sonuçlarına ait bireysel çalışmaların etki büyüklükleri Orman grafiği (Forest plot) ile; yayın yanlılığı ise Huni grafiği (Funnel plot) ile gösterilmiştir ve ilgili istatistiksel testler (Egger regresyonu ve Kendall Tau) kullanılarak değerlendirilmiştir. Bulgular, random forest algoritmasının süt ve süt ürünlerinde yüksek sınıflandırma doğruluğu sağladığını ve yayın yanlılığı bulunmadığını ortaya koymuştur (Egger testi, p>0.05).