內(nèi)容一覽：犬類嗅覺靈敏，是執(zhí)行困難任務(wù)的得力助手。然而，工作犬選拔需要經(jīng)過嚴格的篩選和訓(xùn)練，淘汰率極高。利用監(jiān)督式機器學(xué)習(xí)和任務(wù)數(shù)據(jù)，可以用來預(yù)測人類工作表現(xiàn)，然而，目前尚未發(fā)現(xiàn)類似的犬類研究。
關(guān)鍵詞：工作犬 監(jiān)督式機器學(xué)習(xí) 隨機森林

作者｜daserney

編輯｜三羊

本文首發(fā)于 HyperAI 超神經(jīng)微信公眾平臺~

在公園的綠地上、街頭巷尾的角落里、常?？梢钥吹焦饭返纳碛?。除了作為人類的陪伴，帶來歡樂與安慰外，還有許多特殊的狗狗正默默從事著重要的工作，服務(wù)于人類社會，他們被稱為工作犬。

工作犬種類多樣，包括軍警犬、搜救犬和服務(wù)犬等，每一種類別下又分為許多不同的專業(yè)領(lǐng)域。其中，嗅覺偵測犬的主要任務(wù)是利用自身超強的嗅覺來檢測各種特定的物質(zhì)，例如爆炸物、毒品等。其嗅覺能力對于保護人類社會的安全，起著不可替代的作用。

大多數(shù)未經(jīng)訓(xùn)練的工作犬售價在 4-8 萬美元，如果將訓(xùn)練成本納入考慮，價格可能翻倍。然而，工作犬的整體訓(xùn)練成功率低于 50%，亟需開發(fā)更有效的選拔和訓(xùn)練方法。

近期，來自美國全國兒童醫(yī)院阿比蓋爾·韋克斯納研究所 (The Abigail Wexner Research Institute) 的 Alexander W. Eyre，以及洛基維斯塔大學(xué) (Rocky Vista University) 的 Isain Zapata 等研究人員，利用美國運輸安全管理局嗅覺檢測隊 628 只拉布拉多獵犬的數(shù)據(jù)，對比 3 種模型，預(yù)測獵犬能否通過預(yù)訓(xùn)練進入正式訓(xùn)練階段，并發(fā)現(xiàn)了影響嗅覺檢測犬表現(xiàn)的行為特性。

目前該研究已發(fā)布在《Scientific Reports》期刊上，標題為「Machine learning prediction and classification of behavioral selection in a canine olfactory detection program」。

論文地址：

https://www.nature.com/articles/s41598-023-39112-7#Sec8

實驗方法

數(shù)據(jù)介紹：AT + Env 預(yù)測獵犬表現(xiàn)

該研究數(shù)據(jù)來自美國運輸安全管理局 (TSA) ，在 2002 – 2013 年期間進行的一項嗅覺檢測犬飼養(yǎng)和訓(xùn)練計劃。該數(shù)據(jù)集包含 628 只拉布拉多獵犬的評分，這些獵犬在連續(xù) 15 個月的寄養(yǎng)期間內(nèi)，每 3 個月接受兩項測試。

測試 1：機場航站樓 (Airport Terminal，簡稱 AT) 測試。AT 測試在一個空的模擬機場航站樓內(nèi)進行，工作人員帶領(lǐng)獵犬穿過模擬機場航站樓，在隨機散布的容器中尋找?guī)в袣馕兜拿?，以及與玩具進行互動。這項測試通過測量識別帶有氣味毛巾時的表現(xiàn)、與工作人員、毛巾和玩具的互動程度，展示獵犬的訓(xùn)練潛力。

測試 2：環(huán)境 (Environmental，簡稱 Env) 測試，在基地周圍的不同地點進行。測試內(nèi)容包括讓獵犬在工作人員的引導(dǎo)下走動、嘗試進行搜索、并在嘈雜和擁擠的環(huán)境中與玩具和工作人員互動。測試地點包括繁忙的禮品兌換店 (BX)、噪聲大且黑暗封閉的木工店 (Woodshop)、有移動交通和噪音的貨運區(qū) (Airport Cargo) 以及各種機場航站樓 (Airport Terminal)。這項測試與 AT 測試相輔相成，因為在 AT 測試中，沒有其他人員分散獵犬的注意力。

AT=機場航站樓測試，E=環(huán)境測試，B=兩者都有。

采用 3 種預(yù)測模型，兩種特性篩選方法

該研究使用了 3 種不同的監(jiān)督式機器學(xué)習(xí)算法，根據(jù)獵犬在行為測試中的表現(xiàn)，預(yù)測其通過預(yù)訓(xùn)練選拔的成功率。使用的算法包括隨機森林、支持向量機和邏輯回歸。

該研究還使用主成分分析?(PCA) 和交叉驗證的遞歸特性消除 (RFECV)，來確定影響嗅覺檢測犬表現(xiàn)的重要行為特性。

其中，PCA 是一種統(tǒng)計技術(shù)，通過識別最重要的變量來降低數(shù)據(jù)維度；RFECV 是一種機器學(xué)習(xí)算法，它通過遞歸消除不重要的特性，從而篩選出最重要的特性。

實驗結(jié)果

預(yù)測獵犬通過率：AT 測試結(jié)果較好

如下圖 A 所示，在 AT 測試中，模型的預(yù)測能力總體上隨著時間推移而有所提高。在第 12 個月的測試數(shù)據(jù)中，隨機森林模型的表現(xiàn)最為突出，準確率 (Accuracy) 達到了 87%，AUC (曲線下面積) 為 0.68。邏輯回歸模型的表現(xiàn)稍遜一籌，但整體上仍表現(xiàn)良好。然而，支持向量機模型的結(jié)果相對不太穩(wěn)定，這主要是因為其在預(yù)測未通過獵犬的召回率 (recall) 上表現(xiàn)不佳。

如下圖 B 所示，在 Env 測試中，預(yù)測結(jié)果并不理想。這可能是因為，與 AT 測試相比，參與 Env 測試的獵犬平均數(shù)量相對較少 (56% vs. 73%)?？偟膩碚f，邏輯回歸模型表現(xiàn)較好。支持向量機在 4 個時間點，預(yù)測未通過獵犬的 F1 都極低。

所有 3 種模型在第 3 個月時準確率最高 (0.82-0.84) ，且預(yù)測通過獵犬的 F1 分數(shù)較高 (0.90-0.91)。然而，它們在第 3 個月時預(yù)測未通過獵犬的表現(xiàn)都不佳（F1≤0.10）。

Logistic Regression: 邏輯回歸

Support Vector Machine: 支持向量機

Random Forest: 隨機森林

A: 機場航站樓測試，AT 測試

B: 環(huán)境測試， Env 測試

M03、M06、M09、M12 分別表示測試時間為第 3、第 6、第 9、和第 12 個月。

圖中 / 前數(shù)據(jù)表示通過預(yù)訓(xùn)練選拔獵犬的結(jié)果，/ 后則為未通過預(yù)訓(xùn)練選拔獵犬的結(jié)果。

影響特性：占有特性、信心、H2 影響較大

研究人員使用主成分分析 (PCA) 和交叉驗證的遞歸特征消除 (RFECV) 來確定哪些特性對不同時間點的預(yù)測最為重要。下圖顯示了 PCA 在 AT 測試以及 Env 測試中的結(jié)果。

a:?機場航站樓測試，AT 測試

b:?環(huán)境測試，Env 測試

橫軸特征縮寫與表 1 對應(yīng)。

如上圖 a 所示， 在 AT 測試中，第 3 個月和第 6 個月的測試數(shù)據(jù)顯示，影響最大的特性是 H1/2 (Hidden 1/2)，而在第 9 個月和第 12 個月的測試數(shù)據(jù)中，物理占有 (Physical Posession, PP) 影響最大。上圖 b 顯示，在 Env 測試中，玩具獨立占有 (Independent Possession, IP) 在所有時間點的影響最大。

遞歸特征消除 (RFECV) 是一種特征選擇技術(shù)，它通過增加或移除特定特征變量，獲得能夠最大化模型性能的最優(yōu)組合變量。在該研究中，RFECV 與隨機森林結(jié)合使用。

a:?機場航站樓測試

b:?環(huán)境測試

數(shù)值表示各個特征出現(xiàn)的百分比，范圍從 0 到 100。

特征縮寫與表 1 對應(yīng)。

如上圖 A 所示，在機場航站樓測試中，所有的占有特性 (MP, PP, IP) 及 H2 最為重要。

上圖 B 顯示，在環(huán)境測試中，在第 3 個月和 6 個月時，信心 (Conf) 最重要 (100% 和 88.7%)；在第 9 個月時，獨立占有 (Independent Possession, IP) 最重要 (93.3%)；在第 12 個月時，物理占有 (Physical Posession, PP) 最重要 (80.7%)。

綜上，研究結(jié)果表明，某些特性如 H2、IP、Conf 可能具有較大的影響力。然而，由于數(shù)據(jù)集規(guī)模較小，并且特性種類有限，該研究在識別成功通過預(yù)訓(xùn)練選拔，和因行為問題未通過的獵犬方面還存在一些問題。盡管如此，通過引入更多的行為特性、醫(yī)療信息以及其他類型的縱向數(shù)據(jù)，有望進一步提升和拓展該預(yù)測程序。

專注工作犬研究的科研機構(gòu)

該研究作者 Elizabeth Hare 所屬機構(gòu)賓夕法尼亞州獸醫(yī)工作犬中心 (Penn Vet Working Dog Center) 是工作犬領(lǐng)域的先驅(qū)，旨在推進最新科學(xué)發(fā)現(xiàn)和獸醫(yī)專業(yè)知識的研究和應(yīng)用，以優(yōu)化氣味探測犬的表現(xiàn)。該機構(gòu)受 9·11 襲擊事件時搜救犬的出色表現(xiàn)所啟發(fā)，于 2012 年 9 月 11 日創(chuàng)立，成為國家搜救犬研究和開發(fā)中心。

機構(gòu)地址：

https://www.vet.upenn.edu/research/centers-laboratories/center/penn-vet-working-dog-center

Penn Vet Working Dog Center 致力于與犬類合作，保護人類、動物以及環(huán)境的健康和安全，通過收集和分析遺傳、行為和身體健康數(shù)據(jù)，結(jié)合最新的科學(xué)研究，提升工作犬的工作效率和生活福祉。其工作不僅包括制定和實施工作犬的培養(yǎng)和訓(xùn)練計劃，還包括測試和傳播研究成果，以便更好地應(yīng)對未來的挑戰(zhàn)。

參考鏈接：

[1]https://zhuanlan.zhihu.com/p/384069169

[2]https://blog.csdn.net/qq_35218635/article/details/110001554

[3]https://zhuanlan.zhihu.com/p/626862784

[4]https://zhuanlan.zhihu.com/p/35