Zaman serisi verilerinde geleneksel, optimizasyon ve XAI tabanlı öznitelik seçimi yöntemlerinin uygulanması
Application of traditional, optimization and XAI-based feature selection methods on time-series data
- Tez No: 1024197
- Danışmanlar: DOÇ. DR. FEYZA YILDIRIM OKAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda, farklı alanlarda verinin hızlı artışı makine öğrenimi için önemli zorluklar ortaya çıkarmıştır. Özellikle zaman serisi uygulamalarında yüksek boyutluluk ve örtüşen bilgilerin tahmin performansını olumsuz etkileyebilmektedir. Öznitelik Seçimi (Feature Selection, FS), en bilgilendirici değişkenleri belirleyip ilgisiz veya yinelenenleri ortadan kaldırarak temel bir ön işleme adımı haline gelmiştir. Ancak FS yöntemleri büyük çeşitlilik göstermekte olup, en uygun yaklaşımın seçimi hâlen açık bir problemdir. Bu tezde, altı FS tekniği üç kategori altında incelenerek etkinlikleri karşılaştırılmıştır; FS grubu, birleştirme stratejisi ile sınıflandırıcı mimarisinin sınıflandırma performansını nasıl etkilediği araştırılmıştır. İlk kategori, Karşılıklı Bilgi (Mutual Information, MI) ve Özyinelemeli Öznitelik Eleme (Recursive Feature Elimination, RFE) gibi geleneksel yöntemleri içermektedir. İkinci kategori, Parçacık Sürü Optimizasyonu (Particle Swarm Optimization, PSO) ve Diferansiyel Evrim (Differential Evolution, DE) gibi optimizasyon tabanlı yaklaşımları kapsamaktadır. Üçüncü kategori ise, Shapley Toplamsal Açıklamalar (SHapley Additive exPlanations, SHAP) ve Yerel Yorumlanabilir Modelden Bağımsız Açıklamalar (Local Interpretable Model-agnostic Explanations, LIME) gibi açıklanabilirlik odaklı yöntemlerden oluşmaktadır. Her yöntem, en uygun k özellik sayısını seçmekte olup, bu değer her kategori için doğrulama tabanlı grid search ile belirlenmektedir. Her grup içindeki seçimler, küme birleşimi (union), küme kesişimi (intersection) ve önem ağırlıklı birleştirme (importance-weighted) kullanılarak FS-Set, Op-Set ve X-Set varyantlar oluşturulmuştur. Bu özellik kümeleri, IBTrACS veri seti üzerinde ikili karaya temas tahmini için Rastgele Orman (Random Forest, RF), Aşırı Gradyan Artırma (eXtreme Gradient Boosting, XGBoost) ve Çok Katmanlı Algılayıcı (Multi-Layer Perceptron, MLP) kullanılarak değerlendirilmiştir. Tüm deneyler 10 kez tekrarlanmış ve istatistiksel anlamlılık Friedman testi ve Nemenyi post-hoc analizi ile incelenmiştir. Sonuçlar, tüm grupların tam özellikli modele göre performansını iyileştirdiğini, ancak etkinliğin FS grubu, birleştirme stratejisi ve sınıflandırıcı arasındaki etkileşime bağlı olduğunu göstermektedir. Kesişim stratejisi, iki XAI tabanlı özellik ile RF kullanıldığında en yüksek AUC-ROC (0,9822) değerine ulaşırken, birleşim stratejisi daha tutarlı performans sunmaktadır. MLP için en iyi sonuçlar XAI tabanlı birleşim kümesi ile elde edilmiştir.
Özet (Çeviri)
In recent years, the rapid growth of data across diverse domains has introduced significant challenges for machine learning, particularly in time-series applications where high dimensionality and overlapping information may negatively affect predictive performance. Feature Selection (FS) has become an essential preprocessing step by identifying the most informative variables and removing irrelevant or redundant ones. However, FS methods vary widely, and selecting the most appropriate approach remains an open question. In this thesis, we examine six FS techniques under three categories to compare their effectiveness and investigate how the choice of FS paradigm, aggregation strategy, and classifier architecture influences classification performance. The first category includes traditional FS methods such as Mutual Information (MI) and Recursive Feature Elimination (RFE). The second includes optimization-driven approaches such as Particle Swarm Optimization (PSO) and Differential Evolution (DE). The third includes explainability-oriented approaches, namely SHapley Additive exPlanations (SHAP) and Local Interpretable Model-agnostic Explanations (LIME). Each method selects the best k features, where k is determined per category through validation-based grid search. Selections within each paradigm are aggregated using set union, set intersection, and importance-weighted combination to form FS-Set, Op-Set, and X-Set. These feature sets are evaluated using Random Forest (RF), eXtreme Gradient Boosting (XGBoost), and Multi-Layer Perceptron (MLP) on the IBTrACS dataset for binary landfall prediction. All experiments are repeated 10 times, and statistical significance is assessed using the Friedman test with Nemenyi post-hoc analysis. Results show that all paradigms improve performance over the full-feature baseline, but effectiveness depends on the interaction between the FS paradigm, aggregation strategy, and classifier. The intersection strategy achieves the highest AUC-ROC (0.9822) with RF using two XAI-selected features, while the union strategy provides the most robust performance. For MLP, the XAI-based union set yields the best results.
Benzer Tezler
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Ege bölgesi keçi liflerinin bazı önemli fiziksel, kimyasal özellikleri ve değerlendirme imkanları
Başlık çevirisi yok
NİLÜFER ERDEM
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLSEREN YAZICIOĞLU
- Konfeksiyon işletmelerinde performans ölçümleri ve işgücü planlanmasına katkıları
Başlık çevirisi yok
SEVİN BRAV
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. NAZMİ ERCAN
- Karıştırıcılar ve karıştırma kabındaki akım olaylarının incelenmesi
Başlık çevirisi yok
NADİR İLTEN
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ.DR. ÖMER SAMİH MERTBAŞ