K-en yakın komşuluk, yapay sinir ağları ve karar ağaçları yöntemlerinin sınıflandırma başarılarının karşılaştırılması
Comparing classification success of k-nearest neighbor, artifical neural network and decision trees
- Tez No: 314316
- Danışmanlar: PROF. DR. VİLDAN SÜMBÜLOĞLU
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Bülent Ecevit Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Tıp alanında bulunan mevcut veri oldukça fazla ve hayati öneme sahiptir. Veri madenciliği teknikleri ile hayati öneme sahip olan bu verilerden daha fazla yararlanmak mümkündür.Veri madenciliği son yıllarda oldukça önemli bir konu haline gelmesine ve hemen hemen her alanda uygulama sahası bulmasına rağmen ülkemizde sağlık alanında çok yaygın kullanılmamaktadır.Bu tez çalışmasında veri madenciliği yöntemlerinden, k-en yakın komşuluk, yapay sinir ağları ve karar ağaçları yöntemlerinin sınıflandırma başarılarının karşılaştırılması amaçlanmıştır. Bu amaçla Bülent Ecevit Üniversitesi Uygulama ve Araştırma Hastanesi Kadın Hastalıkları ve Doğum Polikliniği'ne başvuran erken ve zamanında doğum yapan gebelerden elde edilen veri setine bu üç teknik uygulanarak, sınıflandırma başarıları hesaplanmıştır. Yapılan analizler sonucunda doğru sınıflandırma oranları, k-en yakın komşuluk analizi için % 78.3, yapay sinir ağı tekniği için % 90.8 ve karar ağacı yöntemi için ise % 82.5 olarak bulunmuş ve yapay sinir ağı tekniğinin diğer iki yönteme göre sınıflandırma başarısının daha iyi olduğu görülmüştür.
Özet (Çeviri)
The amount of medical data is huge and vital. It is possible to obtain more benefit from these data by data mining techniques.Although the data mining has been becoming a very important subject and being used in almost all fields in recent years, it has no widely use in the health sector in our country.In this thesis study, it was aimed to compare of the classification success of the k-nearest neighbor, artifical neural network and the decision trees techniques. For this purpose, these three techniques were applied and the classification success was measured on the pregnants those gave preterm birth and those gave birth in time in Departments of Obstetrics and Gynecology of Bulent Ecevit University. After the analysis of the results, the correct classification ratios found to be 78.3 % for k-nearest neighbor method, 90.8 % for artifical neural network, 82.5 % for decision trees method and it was concluded that the artifical neural network is more successful than the other two methods.
Benzer Tezler
- Tıp fakültesi öğrencilerinin kurul sınavı başarılarının veri madenciliği algoritmaları kullanılarak incelenmesi
Analysis of faculty of medicine students' success of the board exam by using data mining algorithms
ERGÜL MADEN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET YILDIRIM
- PISA 2018 Türkiye örnekleminde okuma okuryazarlık düzeylerinin farklı veri madenciliği sınıflandırma yöntemleri ile incelenmesi
Examination of reading literacy levels in PISA 2018 Turkey sample with different data mining classification methods
EMRAH BÜYÜKATAK
Doktora
Türkçe
2022
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. DUYGU ANIL
- Hastanelerin finansal ve faaliyet durumlarının veri madenciliği yöntemleri ile değerlendirilmesi
Assessment of financial and operational status of hospitals with data mining methods
NURETTİN ÖNER
Doktora
Türkçe
2020
HastanelerAnkara ÜniversitesiSağlık Kurumları Yönetimi Ana Bilim Dalı
PROF. DR. İSMAİL AĞIRBAŞ
- Yapay zeka teknikleri ile açık öğretim lisesi öğrencilerinin mezuniyet tahmini
Predicting graduation of open education high school students with artificial intelligence technics
MİRHAÇ SULAK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YÜKSEL ÇELİK
DR. ÖĞR. ÜYESİ ERDAL BAŞARAN
- EEG ve göz izleme sistemleriyle gerçek zamanlı veri seti oluşturmak için bilgisayar destekli arayüz tasarımı
Computer-aided interface design for real-time dataset generation with EEG and eye-tracking systems
ÖMER FARUK YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET REŞİT KAVSAOĞLU