Die in dieser Studie verwendeten Datensätze basieren auf Daten von Scherenkrebsen aus dem Apolyont-See in Balıkesir-Türkei. Es wurden 1461 Scherenkrebse gefangen, darunter 573 (40%) Weibchen und 843 (60%) Männchen. Jedes Stichproben hat 22 Merkmale, die in Tabelle 1 aufgeführt sind. Die Längenmessungen der Körperteile der Krebse wurden verwendet, um morphologische Unterschiede zwischen männlichen und weiblichen Krebsen festzustellen. Längenmessungen von Scherenkrebspopulationen wurden mit einer Digitalmessschieber mit einer Genauigkeit von 0,01 mm durchgeführt.
Regression wird üblicherweise verwendet, um die Beziehung zwischen Körperlänge und Gewicht von Krebstieren zu bestimmen. Die Beziehung zwischen Länge und Gewicht kann als Gleichung dargestellt werden. In dieser Studie wurde die Längen-Gewichtsbeziehung von Scherenkrebsen untersucht und Regressionsgleichungen sowie Korrelationskoeffizienten berechnet. Zur Bestimmung des Fleischrückhalts wurden Abdomen, Scheren und Scheren mit einem Skalpell zerschnitten.
Maschinelles Lernen ist ein Oberbegriff für Computer-Algorithmen, die die Lösung eines Problems lernen können und komplexe Mustererkennung und datenbasierte Entscheidungsfindung ermöglichen. Verschiedene machine learning Algorithmen wurden in dieser Studie verwendet, darunter random forest regression, gradient boosting regression, decision tree regression, multilayer perceptron regression, support vector regression, linear regression und K-nearest neighbors regression. Die Modelle wurden anhand von Leistungsparametern wie R-Quadrat, RMSE, MAE, RAE und RSE bewertet.
Die Daten, die in dieser Studie verwendet wurden, wurden einer Vorverarbeitung unterzogen, die die Qualität der Rohdaten erhöhen soll. Dieser Vorgang umfasste verschiedene Schritte wie Bereinigung, Skalierung, Reduzierung und Normalisierung. Die Daten wurden mit einem Min-Max-Normalisierungsprozess normalisiert. Die Trainingsdaten und Testdaten wurden im Verhältnis 70:30 aufgeteilt. Die Leistung der Modelle wurde mit verschiedenen Metriken wie R-Quadrat, RMSE, MAE, RAE und RSE bewertet. Die Ergebnisse wurden auf einem Desktop-System mit einer spezifischen Hardwarekonfiguration erstellt.