Comparison of classification algorithms for predicting diabetes
Diyabet tahmini için sınıflandırma algoritmalarının karşılaştırılması
- Tez No: 387459
- Danışmanlar: YRD. DOÇ. DR. METE ÇELİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Son yıllarda veri madenciliği teknikleri, sağlık alanında yoğun bir şekilde kullanılmaktadır. Veri madenciliği, hastalıkların sebeplerini tespit etmede ve aynı zamanda hastalar için tıbbi tedavi yollarını belirlemede önemli fayladar sağlamaktadır. Bu çalışma, veri madenciliği tekniklerinin diyabet veritabanlarına uygulanmasına odaklanmıştır. Günümüzde, diyabet hastalığı, dünyada önde gelen ölüm sebeplerinden birisi olmuştur. Dünya nüfusu artarken, diyabetli hasta sayısı da artmaktadır. En çok bilinen diyabet hastalığı faktörleri; yaşlanma, aşırı kilo ve hareketsizlik olarak bilinmektedir. Bu çalışmanın amacı sınıflandırma algoritmalarını kullanarak diyabet verilerini analiz etmektir. Bu çalışmanın, diyabet hastalığının erken teşhisinde ve diyabet hastalığına sebep olabilecek risk faktorlerini kontrol etmesinde faydalı olacağı düşünülmektedir. Bu çalışma da, dört sınıflandırma algoritmaları incelenmiştir ve bu algoritmalar standart Pima Yerlileri Diyabet (PID) verilerine uygulanmıştır. Sınıflandırma algoritmalarının sınıflandırma doğruluk performansları birbirleriyle karşılaştırılmıştır. Elde edilen sonuçlara göre, Karar Vektör Makineleri (SVM) algoritması diğer sınıflandırma algoritmalarına göre daha iyi sonuçlar vermiştir.
Özet (Çeviri)
In recent years, data mining techniques were immensely applied on healthcare organizations. It provides significant benefits including methods to detect causes of diseases and also methods to identify medical treatments for patients. In this study, it is focused on applications of data mining techniques on diabetes databases. Medical professionals consider that diabetes disease has become one of the leading killers in the world population. As the world population is in increase, also the number people developing diabetes disease is in increase. Most well-known diabetes risk factors are aging, obesity and inactivity. The aim of this dissertation is to apply classification algorithms on diabetes dataset. The study is expected to help medical experts in detecting diabetes disease at its early stages and to control the risk factors that may cause diabetes disease. In this thesis, it is presented four classification algorithms and applied them on the standard Pima Indians Diabetes (PID) dataset. Results of the four classification algorithms were compared in terms of classification performance. According to the findings, SVM algorithm outperformed the other classification methods applied in this study.
Benzer Tezler
- Tıbbi karar destek sisteminin veri madenciliği yöntemleriyle gerçekleştirilmesi
Verifying medical decision support system with the methods of data mining
TUBA PALA
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. A. YILMAZ ÇAMURCU
- Classification of diabetes data set from Iraq via different machine learning techniques
Irak'tan alınan diyabet verilerinin farklı makine öğrenme teknikleri ile sınıflandırılması
DILSHAD OMAR M.SAEED ALTALABANI
Yüksek Lisans
İngilizce
2022
İstatistikVan Yüzüncü Yıl Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FEVZİ ERDOĞAN
- Variable selection and classification for longitudinal binary data through three-step sparse boosting
Üç aşamalı seyrek yükseltme metodu ile ikili sonucu olan uzunlamasına verilerin değişken seçimi ve sınıflandırılması
DENİZ ESİN EMER
Doktora
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÖZLEM İLK DAĞ
- Makine öğrenmesi tabanlı gerçek zamanlı medikal nesnelerin interneti çerçevesinin geliştirilmesi
Development of machine learning-based real-time medical internet of things framework
EMRE YILDIRIM
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇALHAN
- Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi
Perioperative prognosis and cost analysis in patients who have undergone bipolar hemiarthroplasty with hip fracture by using machine learning algorithms
KEMAL ZENCİRLİ
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiAtatürk ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. ÖMER SELİM YILDIRIM
DR. ÖĞR. ÜYESİ MUHAMMED ÇAĞATAY ENGİN