Managing Class Overlap in Machine Learning Models: Challenges and Solutions
Makine Öğrenmesi Modellerinde Sınıf Örtüşmesi Problemi: Zorluklar ve Çözümler
- Tez No: 1024607
- Danışmanlar: DOÇ. DR. RAMAZAN ÜNLÜ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sınıf örtüşmesi içeren dengesiz ikili sınıflandırmada üç seçenek öne çıkmaktadır: ön işlemenin iyileştirilmesi, sınıflandırıcının ayarlanması veya ulaşılabilir performansın önceden tahmin edilmesi. Bu tez, KEEL veri kümeleri üzerinde birbirine bağlı üç çalışmadan oluşan bir programla bu seçenekleri ele almaktadır. Birinci çalışmada 58 veri kümesi üzerinde 11 iyileştirme tekniği ve 10 sınıflandırıcı iki referanslı bir tasarım altında değerlendirilmiş; Tip II ANOVA veri kümesi kimliğini η² = 0,620, sınıflandırıcı kimliğini η² = 0,157 ve iyileştirmeyi η² = 0,010 olarak bulmuştur — kontrol edilebilir faktörler arasında on altı katlık bir fark. İkinci çalışmada 70 veri kümesi için 11 karmaşıklık metriğinden dokuz sınıflandırıcının beş hedefteki ortalaması tahmin edilmiş; hedef bazlı meta-modeller F1'de 0,895; AUC'de 0,902 ve MCC'de 0,927 harici R² değerine ulaşmış, tam kıyaslamaya göre 35,5 kat daha hızlı çalışmıştır. Üçüncü çalışma birinci çalışmayı 60 veri kümesinde eşleştirilmiş ayarlama bütçesiyle yeniden ele almış; ayarlanmış iyileştirme, ayarlanmış topluluklara karşı katman dışı ΔF1 = +0,0445 üstünlük sağlamış, ancak ΔAUPRC farkı +0,004'e gerilemiş ve iyileştirmenin beklenen kalibrasyon hatası 0,017 daha yüksek çıkmıştır. Üç çalışma birlikte değerlendirildiğinde veri yapısı ve sınıflandırıcı seçiminin performans tavanını, iyileştirmenin ise eşiğe bağlı bir F1 kazancını temsil ettiği ortaya çıkmakta; bu kazancın büyüklüğü karmaşıklık özniteliklerinden R² = 0,71 ile önceden tahmin edilebilmektedir. Eşiği ayarlanabilen sistemlerde topluluk ayarlamasına ve açık eşik optimizasyonuna yatırım yapılmalı; sabit eşikli sistemlerde ise F1 kazancının büyük bölümü tek bir varsayılan SMOTE yapılandırmasıyla elde edilebilmektedir.
Özet (Çeviri)
In imbalanced binary classification with class overlap, this thesis addresses three practitioner arms — refine preprocessing, tune the classifier, or estimate performance in advance — through a linked three-study program on KEEL datasets. The first study crossed 58 datasets with 11 mitigation techniques and 10 classifiers under a dual-baseline design; Type II ANOVA placed dataset identity at η² = 0.620, classifier identity at η² = 0.157, and mitigation at η² = 0.010 — a sixteen-fold gap among controllable factors. The second predicted mean nine-classifier performance from 11 complexity metrics on 70 datasets across five targets; per-target meta-models reached external R² of 0.895 (F1), 0.902 (AUC), and 0.927 (MCC), running 35.5× faster than the benchmark. The third revisited the first under matched tuning on 60 datasets: tuned mitigation held ΔF1 = +0.0445 out-of-fold over tuned ensembles, but ΔAUPRC narrowed to +0.004 and expected calibration error rose by 0.017 for mitigation. Combined, the studies place dataset structure and classifier choice at the achievable ceiling and mitigation as a threshold-mediated F1 gain, whose magnitude complexity features predict at R² = 0.71. Threshold-aware deployments invest in ensemble tuning with explicit threshold optimization; fixed-cutpoint deployments capture most of the F1 gain from a single SMOTE-default configuration.
Benzer Tezler
- Job searching among college-educated Americans: Managing emotion work, social networks, and middle class identity
Başlık çevirisi yok
UFUK COŞKUN
Doktora
İngilizce
2016
Çalışma Ekonomisi ve Endüstri İlişkileriThe Unıversıty Of ArızonaDR. JENNIFER ROTH GORDON
DR. JANE ZAVISCA
- İlkokul yöneticilerinin öğretim programlarını yönetme becerilerinin sınıf öğretmenlerinin algılarına göre belirlenmesi: Kars ili örneği
The evaluation of the school administrators' managing skills on curriculum according to the class teachers' opinions: Sample of Kars
DERYA YILMAZ
Yüksek Lisans
Türkçe
2014
Eğitim ve ÖğretimKafkas ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. MURAT TAŞDAN
- Kültürel farklılıkların yönetimi sürecinde kültürel zekanın etkinliği: A grubu seyahat acentaları yöneticileri üzerine bir alan araştırması
Effectiveness of cultural intelligence throught managing cultural differences: A field research on managers of the 'a' class travel agencies
NUR KULAKOĞLU DİLEK
Yüksek Lisans
Türkçe
2014
TurizmMuğla Sıtkı Koçman ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
DOÇ. DR. CAFER TOPALOĞLU
- Ortaokullardaki öğretmenlerin ders zamanını etkili kullanma becerileri: Öğrenci algısına göre
Teachers's skills at managing lesson time effectively at middle schools: According to students' perceptions
ÖMER CANPOLAT
Yüksek Lisans
Türkçe
2013
Eğitim ve ÖğretimYeditepe ÜniversitesiEğitim Yönetimi Ana Bilim Dalı
PROF. DR. SEMRA ÜNAL
- Öğretmenlerin sınıfta istenmeyen davranışları yönetme stratejilerine ilişkin bir inceleme
A study on teachers' strategies for managing undesired behaviours in classroom
MERVE ARSLAN
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimYozgat Bozok ÜniversitesiEğitim Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA YÜNER