Lojistik regresyon analizi ve yapay sinir ağları tekniklerinin sınıflama özelliklerinin karşılaştırılması ve bir uygulama
Logistic regression analysis and comparison of classification characteristics of artifical nueural network techniques and an application
- Tez No: 192743
- Danışmanlar: PROF.DR. İSMET KAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Lojistik regresyon analizi, yapay sinir ağları tekniği, doğrusınıflandırma oranı, Logistic regression analysis, artificial neural network technique, correctclassification ratio
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Uludağ Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
LOJİSTİK REGRESYON ANALİZİ VE YAPAY SİNİR AĞLARITEKNİKLERİNİN SINIFLAMA ÖZELLİKLERİNİN KARŞILAŞTIRILMASIVE BİR UYGULAMAGÖKHAN OCAKOĞLUBu çalışma, lojistik regresyon analizi ve yapay sinir ağlarının sınıflamaetkinliklerini karşılaştırmayı amaçlamaktadır. Lojistik regresyon analizi ve yapay sinirağları teknikleri, bireylerin sınıflandırma oranlarına göre karşılaştırılmışlardır.Çalışmaya dahil edilen veri seti, Ercan ve arkadaşları (1) tarafından yapılançalışmanın veri setinden lojistik regresyon analizi ve yapay sinir ağı tekniklerine uyacakşekilde seçilen 140 klinik hastasından oluşmaktadır. Yapılan analizler sonucunda, örnekveri seti doğru sınıflandırma oranları, lojistik regresyon analizi için % 81,4 ve yapaysinir ağları tekniği için de % 85 olarak hesaplanmış ve çalışmaya alınan veri seti içinyapay sinir ağları tekniğinin lojistik regresyona göre daha iyi bir ?doğru sınıflandırmaoranına? sahip olduğu görülmüştür.
Özet (Çeviri)
LOGISTIC REGRESSION ANALYSIS AND COMPARISON OF CLASSIFICATIONCHARACTERISTICS OF ARTIFICAL NUEURAL NETWORK TECHNIQUES ANDAN APPLICATIONGOKHAN OCAKOGLUThis study was aimed to compare the classification effectivities of logisticregression analysis and artificial neural network. Comparison of logistic regressionanalysis and artificial neural network techniques was carried out according toindividual?s classification ratios.Data set included in the study was selected from the data set of the study done byErcan et al(1). Data of 140 clinical patients that were appropriate for logistic regressionanalysis and artificial neural network techniques were included. As a result of theanalysis, correct classification ratios of the sample data set for logistic regressionanalysis and artificial neural network techniques were calculated as 81.4% and 85%respectively. For the data set included, artificial neural network technique was found tohave a better ?correct classification ratio? than the logistic regression analysis.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Kredi karti dolandiricilik tespitinde makine öğrenme algoritmalarinin karşilaştirmali analizi
Comparative analysis of machine learning algorithms for credit card fraud detection
KEMAL ÇİLBURUNOĞLU
Yüksek Lisans
Türkçe
2023
Bankacılıkİstanbul Gedik ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞERİFE ESRA DİNÇER