Classification of obesity levels using machine learning based on lifestyle and physical characteristics
Yaşam tarzı ve fiziksel özelliklere dayalı olarak obezite seviyelerinin makine öğrenmesi ile sınıflandırılması
- Tez No: 1016949
- Danışmanlar: DR. ÖĞR. ÜYESİ İBRAHİM KAYA, PROF. DR. YALÇIN İŞLER
- Tez Türü: Yüksek Lisans
- Konular: Biyoteknoloji, Biotechnology
- Anahtar Kelimeler: Obezite, Yapay zeka ve makine öğrenmesi dersi, Obesity, Artificial intelligence and machine learning course
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Teknolojiler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında bireylerin yaşam tarzı, beslenme alışkanlıkları ve fiziksel özellikleri kullanılarak obezite seviyelerinin makine öğrenmesi yöntemleri ile sınıflandırılması amaçlanmıştır. Çalışmada veri kaynağı olarak UCI Machine Learning Repository platformunda yer alan“Estimation of Obesity Levels Based on Eating Habits and Physical Condition”veri seti kullanılmıştır. Çalışmada veri ön işleme adımları uygulanmış ve kategorik değişkenler sayısal forma dönüştürülmüştür. Boy ve kilo değişkenlerinin etkisini incelemek amacıyla iki farklı veri seti oluşturulmuştur. İlk senaryoda tüm öznitelikler kullanılırken, ikinci senaryoda boy ve kilo değişkenleri modelden çıkarılmıştır. Ayrıca Temel Bileşen Analizi (PCA) uygulanmış ve toplam varyansın %95 ve %99'unu açıklayan bileşenler kullanılmıştır. Çalışma kapsamında sekiz farklı makine öğrenmesi algoritması uygulanmış ve model performansları doğruluk (Accuracy), kesinlik (Precision), duyarlılık (Recall) ve F1 skoru ölçütleri ile değerlendirilmiştir. Elde edilen sonuçlara göre en yüksek performans, boy ve kilo değişkenlerinin dahil edildiği ve PCA ile toplam varyansın %99'unun açıklandığı senaryoda elde edilmiştir. Bu durumda Çok Katmanlı Algılayıcı (MLP) algoritması ile %97,21 doğruluk oranına ulaşılmıştır. Boy ve kilo değişkenlerinin modelden çıkarılması durumunda ise performansın belirgin şekilde azaldığı gözlemlenmiştir. Sonuç olarak makine öğrenmesi yöntemlerinin obezite sınıflandırmasında etkili bir şekilde kullanılabileceği ve boy ile kilo değişkenlerinin model performansını artırmada önemli bir rol oynadığı görülmüştür.
Özet (Çeviri)
This thesis aims to classify obesity levels using machine learning methods based on individuals' lifestyle, dietary habits, and physical characteristics. The dataset used in this study is the“Estimation of Obesity Levels Based on Eating Habits and Physical Condition”dataset obtained from the UCI Machine Learning Repository. In this study, data preprocessing was applied and categorical variables were converted into numerical form. Two different datasets were created to examine the effect of height and weight variables. In the first scenario, all features were used, while in the second scenario, height and weight were removed. In addition, Principal Component Analysis (PCA) was applied, and components explaining 95% and 99% of the total variance were used. Eight machine learning algorithms were used, and their performance was measured using accuracy, precision, recall, and F1-score. The results show that the highest performance was obtained when height and weight variables were included and PCA with 99% variance was used. In this case, the Multi-Layer Perceptron (MLP) reached 97.21% accuracy. When these variables were removed, model performance decreased significantly. Overall, the results show that machine learning methods can be used for obesity classification and that height and weight are important features for improving model performance.
Benzer Tezler
- Çocuklarda subklinik ateroskleroz için yeni yaklaşım: Yapay zekâ destekli risk sınıflaması
A new approach for subclinical atherosclerosis in children: Artificial intelligence-supported risk classification
İDİL AK GÜNDOĞDU
Tıpta Uzmanlık
Türkçe
2025
Çocuk Sağlığı ve Hastalıklarıİstanbul Medeniyet ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ÖYKÜ İSAL TOSUN
- Gaz sensörü verilerini kullanarak kızartma yağı kalitesinin yapay zekâ tabanlı sınıflandırılması
Artificial intelligence-based classification of frying oil quality using gas sensor data
KEMAL TÜMEN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBolu Abant İzzet Baysal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET MİLLİ
- Obezitesi olan hastalarda preoperatif ultrason kullanarak üst havayolunun değerlendirilmesi
Assessment of the upper airway using preoperative ultrasound in patients with obesity
FIRAT ULUKAN
Tıpta Uzmanlık
Türkçe
2024
Anestezi ve ReanimasyonSağlık Bilimleri ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. VEYSEL ERDEN
DR. ABDURRAHMAN TÜNAY
- Göztepe Prof. Dr. Süleyman Yalçın Şehir Hastanesi Diyabet-Obezite Polikliniğinde takip edilen tip2 diyabetlilerde tedaviye SGLT-2 inhibitörü eklenmesinin ürik asit düzeyine etkisi
The effect of adding SGLT-2 inhibitor to the treatment on uric acid levels in type 2 diabetic patients followed up in the Diabetes-Obesity Polyclinic of Göztepe Prof. Dr. Süleyman Yalçın City Hospital
SEMA HAVA ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2025
Aile Hekimliğiİstanbul Medeniyet ÜniversitesiAile Hekimliği Ana Bilim Dalı
PROF. DR. MEHMET SARGIN
- Obez santral puberte prekoks olgularında vücut kitle indeksine göre bazal ve uyarılmış gonadotropin düzeylerinin karşılaştırılması
Comparison of basal and stimulated gonadotropin levels according to body mass index in obese central precocious puberty cases
HALİSE MERCAN
Tıpta Uzmanlık
Türkçe
2024
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. MEHMET BOYRAZ