Geri Dön

Predicting the admission decision acandidate to the School of Physical Education and Sport at Çukurova University by using different machine learning algorithms

Farklı makina lagoritmaları kullanarak Çukurova Üniversitesi Beden Eğitimi ve Spor Okulu'na alınacak adayların kabul kararlarının belirlenmesi

PDF İndir

  1. Tez No: 413582
  2. Yazar: İSMAİL TURHAN
  3. Danışmanlar: DOÇ. DR. MEHMET FATİH AKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Machine Learning, Physical Ability Test, Prediction, Desicion Support Systems
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tezin amacı, fiziksel yetenek test sonucu önceden bilinen adayların Çukurova Üniversitesi Beden Eğitimi ve Spor Yüksekokulu'na kabul kararının tahmini için medeller geliştirmekdedir. Tahmin modellerinin performansını değerlendirmek için kullanılan sınıflandırıcılar Destek Vektor Makinaları (VSM), Çok Katmanlı Algılayıcı(MLP), Lojistik Regresyon (LR), Radyal Taban Fonksiyonlu Ağ (RBF) ,Tekli Karar Ağacı(SDT) ve K-Ortalama sınıflandırmadır. Deneyler sırasıyla 2006 ve 2007 yıllarında Okula başvuran adayların gerçek sınac sonuçlarını içeren iki veri seti üzerinden yapılmıştır. Terst ve Doğrulama modeli için 5-Kat ve 10-Kat çapraz doğrulamanın yanı sıra eğitim/test verilerinin rasgele yüzde ayrımlatrı kullanılmıştır. Veri setleri üzerindeki sınıflandırıcı performansları sınıflandırma doğruluğu ve bir kaç diğer performans ölçümleri hesaplanarak değerlendirilmişitir. Sonuçlar, 10 kat çapraz doğrulamaile SVM'nin sınıflandırma doğruluğunun , 2006 ve 2007 veri kümeleri için 97.90 ve 91.45 ile en yüksek değerlerini verdiğini göstermektedir. Sınıflandırma doğruluğu bakımından sınıflandırıcılar arasında elde edilen sıralama SVM, LR, MLP,RBF, SDKve K-Ortalama sınıflanadırma olarak tespit edilmiştir.

Özet (Çeviri)

The purpose of this thesis is to develop new prediction to estimate the admission decision of a candidate to the School of Physical Education and Sports at Cukurova University ones he knows his skores from the physical ability test. The classifiers used to evaluate the performance of the prediction models include Support Vector Machine (SVM), Multilayer Perspectron (MLP), Logistic Regression(LR), Radian Basis Function (RBF), Network, Single Desicion Tree(SDT),and K-Means Clustering. Experiments have been condusted on two datesets that include real test result of the candidates who applied to the School in 2006 and 2007, respectively. For model testing and validation ,5-fold and 10-fold cross validation as well as several diffrent percent splits of training/testing date have been used. The performance of the classifiers on the datasets has been evaluated by calculating the classification accuracy and several other performance metrics. The results show that classification accuracy of the SVM classifier using 10-fold cross validation achieves the highest accuracy with 97.90% and 91.45% for the 2006 and 2007 datasets respectively. The rank ing among the six classifiers in terms of achieved classification accuracy has been determined as SVM, LR, MLP, RBF, SDT AND K-Means Clustering.

Benzer Tezler

  1. Tez No

    424215

    Predicting the admission decision of a participant to the school of physical education and sports at Cukurova University by using different machine learning methods combined with feature selection

    Çukurova Üniversitesi beden eğitimi ve spor yüksekokuluna başvuran adayların kabul edilip edilmeyeceğini nitelik seçme algoritmaları ile birleştirilmiş farklı makine öğrenme yöntemleri kullanarak tahmin etme

    GÖZDE ÖZSERT YİĞİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET FATİH AKAY

  2. Tez No

    1022550

    İskemik inme hastalarında relaksin-3 düzeyinin prognozu ve mortaliteyi öngörmedeki rolü

    The role of relaxin-3 levels in predicting prognosis and mortality in ischemic stroke patients

    YASİN YAĞCILAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. EMİN FATİH VİŞNECİ

  3. Tez No

    976166

    Acil servise başvuran akut kalp yetmezliği hastalarında roth skorunun yatış ve taburculuğu ön görmedeki etkinliğinin değerlendirilmesi: Prospektif, gözlemsel kohort çalışması

    Evaluation of the effectiveness of the roth score in predicting hospital admission and discharge in patients with acute heart failure presenting to the emergency department: A prospective observational cohort study

    MERT BARINDIK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Acil TıpHitit Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET ÖZTÜRK

  4. Tez No

    1001829

    LDT-EWS skorlamasına serum laktat düzeyi ekleyerek (LDT-EWS-L) geriatrik hastalarda mortaliteyi öngörmek

    Predicting mortality in geriatric patients by adding serum lactate levels to the LDT-EWS (LDT-EWS-L)

    KEMAL ATCI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Acil TıpNecmettin Erbakan Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. KADİR KÜÇÜKCERAN

  5. Tez No

    1012638

    Acil servise başvuran onkoloji hastalarının klinik karar verme sürecinde oncall skorunun prognostik değerinin araştırılması

    Investigation of the prognostic value of the on call score in the clinical decision-making process for oncology patients presenting to the emergency department

    JÜLİDE GÜRBÜZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Acil TıpBezm-İ Alem Vakıf Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. BAŞAR CANDER

Geri Dön