针对宠物数量过剩问题，一种新算法的开发，或将助力于提升宠物们的领养率。
在美国，每年大约有600-800万只猫狗进入动物收容所，其中，近300-400万只动物被安乐死。尽管其原因可能是因为动物好斗或者自身疾病，但不可否认，仍有有10%-25%的动物被安乐死的原因仅仅是因为收容所空间不足。
虽然动物收容所提供了诸如降低领养费用和在领养前对动物进行绝育等激励措施，但住在收容所的动物中依旧只有四分之一被领养。建立对动物们的分析模型将为减少动物们安乐死和找到收养家庭提供可能。
因此，针对这一问题，研究人员开始尝试利用机器的学习算法来识别收养动物的风险因素，并预测动物在收容所的停留时间。事实上，一直以来，由于学习算法能够从大数据中进行检测，并开发模型对未来结果进行预测，因此，学习算法也受到科学家们的广泛关注。
此次研究中，研究人员从数据库和动物收容所收集的数据，包括动物类型、收容和离开的日期、性别、颜色、品种、收容和离开的状态（动物进入收容所的行为和动物在结果类型下的行为）等信息都可以输入机器，许多不同类型的算法会对数据集进行计算。
结果表明，梯度增强算法整体表现最好，准确率约为70-80%。根据这一计算结果，可以推断出动物的年龄、体型、颜色，这对收养率有着重要影响。在未来，该算法有望帮助确定最佳的动物收容所位置，并让动物在最短的时间找到自己的“家”。
