Destek vektör makinelerinde kullanılan çekirdek fonksiyonların sınıflama performanslarının karşılaştırılması
A comparison of classification performance of the kernel functions used in support vector machines
- Tez No: 267349
- Danışmanlar: DOÇ. DR. HAFİZE SEZER, PROF. DR. OSMAN SARAÇBAŞI
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Bu tez çalışmasında veri madenciliği yöntemlerine değinilmiş ve veri madenciliğinde sınıflama yapmak amacıyla sıklıkla kullanılmakta olan“Destek Vektör Makinesi”incelenmiştir. Bu yöntemde karşılaşılan en temel sorun uygun çekirdek fonksiyonun seçimidir. Çünkü kullanılan çekirdek fonksiyonlara bağlı olarak analiz sonuçları farklılık göstermektedir. Burada kullanımı en yaygın olan doğrusal, polinomiyal, sigmoid ve radyal tabanlı fonksiyonlar dikkate alınmıştır. Farklı özelliklerde veri setleri ile karşılaşıldığında, bu dört çekirdek fonksiyonun performanslarında değişim olup olmadığı araştırılmıştır. Bu nedenle çalışmada benzetim teknikleriyle farklı karakteristiklere sahip veri setleri üretilmiştir. Doğrusal ayrılabilir yapıya sahip verilerde gözlem sayısı değiştikçe ve değişkenler arasındaki ilişkinin düzeyi değiştikçe, kullanılan çekirdek fonksiyonların sınıflama performansları karşılaştırılmıştır. Ayrıca doğrusal olarak ayrılamayan yapıya sahip veri setlerinde fonksiyonların sınıflama performansları karşılaştırılmıştır. Her bir veri seti için kullanılan çekirdek fonksiyonun sağladığı duyarlılık, seçicilik ve doğruluk oranları verilmiştir. Radyal tabanlı fonksiyon bu çalışmada denenen her durum için en yüksek doğruluk oranını vermiştir. Verilerin doğrusal olarak ayrılabildiği durumlarda doğrusal fonksiyon da yüksek sınıflama performansı göstermektedir.
Özet (Çeviri)
In this thesis, support vector machine method which is used to classify objects in data mining was studied and also data mining techniques were mentioned briefly. Since the results of analysis are changing depending on the selected kernel function, choosing suitable kernel function is the main problem in support vector machine method. Four kernel functions: linear, polinomial, sigmoid and radial basis function, are commonly used in practise. We interested in whether the performance of these four functions change or not when different characteristics of data sets are used. Therefore, in this study, data sets which have different characteristics were generated with simulation techniques. Kernel functions' classification performance were compared with different sample sizes and different correlation levels between variables in linearly seperable data sets. Also classification performances were compared between kernel functions for non-seperable data sets. For each data set, sensitivity, spesificity and accuracy values that obtained by kernel functions, were calculated. For all conditions in this study, radial basis function had the highest accuracy value. For linearly seperable case, linear function had also high performance.
Benzer Tezler
- Türkiye'deki enerji santrallerinde doğal gaz tüketiminin destek vektör regresyon ile tahmini
Estimation of natural gas consumption of power plants in Turkey via support vector regression
GİZEM MERAL
Yüksek Lisans
Türkçe
2019
İstatistikAfyon Kocatepe Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. SİNAN SARAÇLI
- Destek vektör makineleri üzerine bir çalışma
A study on support vector machines
MUSTAFA MURAT ARAT
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. TURHAN MENTEŞ
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Destek vektör makinesi sınıflandırma algoritması için genişletilmiş Gauss çekirdeği ve uygulamaları
Extended Gauss kernel and its applications for support vektör machine classification algorithm
AYŞENUR ERDEM
Yüksek Lisans
Türkçe
2023
Matematikİstanbul Medeniyet ÜniversitesiUygulamalı Matematik ve Hesaplamalı Bilimler Ana Bilim Dalı
DOÇ. DR. BETÜL HİÇDURMAZ
- Destek vektör makineleri yardımıyla tüketici kredilerinin sınıflandırılması
Classifying consumer loans by means of support vector machines
KAYAHAN KAYA
Yüksek Lisans
Türkçe
2016
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ