Geri Dön

Bulanık çıkarsama sistemleri ile veri madenciliği yöntemlerinin sınıflama performansının benzetim çalışması ile karşılaştırılması ve sağlık alanında uygulanması

A comparison of classification performance of fuzzy inference system with data mining methods using simulation study and application in medicine

  1. Tez No: 473687
  2. Yazar: İREM KAR
  3. Danışmanlar: DOÇ. DR. SERDAL KENAN KÖSE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

Özet

Sınıflandırma, veri setinde her gözlem için hedef sınıfı doğru tahmin etmeyi amaçlayan veri madenciliğinin en önemli araştırma konularından birisidir. Sınıflandırma işleminde sistemin eğitim verisi üzerinden öğrenmesi ve benzer bir veri seti ile karşılaşması halinde o verinin ait olacağı sınıfı tahmin etmesi sağlanır. Bilgisayar sistemlerinde öğrenme iki şekilde olabilir: veriden öğrenme ve uzmandan öğrenme. Elde veri olması halinde makine öğrenmesi yöntemleri ile gerekli çıkarsamaları yapmak olası iken, elde veri olmadığı durumlarda uzman görüşünden yararlanan yöntemlere başvurulmalıdır. Bu tez çalışmasında uzmandan öğrenen bulanık çıkarsama sistemleri ile veriden öğrenen veri madenciliği yöntemlerinin farklı örnek büyüklüklerinde (100, 250, 500, 1000) sınıflandırma performansları karşılaştırılmıştır. Karşılaştırmada kullanılan veri madenciliği algoritmaları literatürde sıklıkla karşılaşılan sınıflandırıcılar olan, Yapay Sinir Ağları, Random Forest ve Destek Vektör Makinesi'dir. Değerlendirmelerde, sınıflandırma performans ölçütleri olarak doğruluk, kesinlik, duyarlılık ve F-ölçütü kullanılmıştır. Bu çalışmada, University of California Irvine (UCI) makine öğrenmesi veritabanında yer alan kalp hastalığı verisinin özellikleri korunarak değişken önemine göre belirlenen 6 bağımsız değişken (cinsiyet, göğüs ağrı tipi, maksimum kalp atım hızı, egzersizin neden olduğu anjin, oldpeak ve ana damar sayısı) için üretilen veriler kullanılmıştır. Çalışma sonucunda, veri madenciliği yöntemlerinden biri olan Yapay Sinir Ağları ve Bulanık Çıkarsama Sistemleri benzer sonuçlar vermiştir ve Random Forest ve Destek Vektör Makinesi yöntemlerine göre daha iyi sınıflama performansı göstermişlerdir.

Özet (Çeviri)

Classification is one of the most important research topics of data mining aimed to accurately predict the target class for each case in the data. In classification process, it is provided that the system learns from training data and, when confronted a similar dataset, predicts the class in which the dataset should be. In computer systems, learning can be done in two ways: learning from the data and learning from the expert. When data is available, it is possible to make the necessary inferences with machine learning methods, otherwise methods that benefit from expert opinion should be used. In this thesis study, classification performances of fuzzy inference systems that learn from experts and data mining methods that learn from the data are compared in different sample sizes (100, 250, 500, 1000). The data mining algorithms used in the comparison are Artificial Neural Networks, Random Forest, Support Vector Machine, which are frequently encountered classifiers in the literature. In the evaluations, accuracy, precision, sensitivity and F-criterion were used as classification performance measures. In this study, data were generated for 6 independent variables (sex, chest pain type, max heart rate, exercise induced, oldpeak and major vessels) determined by variable importance, preserving the characteristics of heart disease data in the University of California Irvine (UCI) machine learning database. In conclusion, Artificial neural networks, one of the methods of data mining, and Fuzzy Inference Systems have similar results and also have better classification performance than Random Forest and Support Vector Machine.

Benzer Tezler

  1. Yazılım kusur kestirimi eklentisinin esnek hesaplama yöntemleri ile tasarımı ve geliştirimi: kapsamlı metrik değerlendirilmesi

    Design and implementation of software fault prediction plugin by using soft computing methods: comprehensive metric assessment

    EZGİ ERTÜRK GÜLER

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EBRU SEZER

  2. Application of defuzzification-free hierarchical fuzzy inference rule generation method to software fault prediction problems and fuzzy rule discussion

    Durulaştırmasız hiyerarşik bulanık çıkarsama kural üretme yönteminin yazılım hata kestirimi problemlerine uygulanması ve bulanık kural tartışması

    NAZLI ECE UYKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. EBRU AKÇAPINAR SEZER

  3. Tanecikli hesaplama yöntemi ile kavram çözümleme

    Concept analysis with granular computing method

    MERT BAL

    Doktora

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAYRİ SEVER

    PROF. DR. OYA KALIPSIZ

  4. Hiyerarşik bulanık çıkarsama sistemlerinde bulanıklığın düzeyler arası aktarımı için yöntem önerisi

    A method suggestion for transition of fuzziness between sublayers in hierarchical fuzzy systems

    BEGÜM MUTLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EBRU SEZER

    YRD. DOÇ. DR. HAKAN AHMET NEFESLİOĞLU

  5. Development of a STEP feature-based intelligent process planning system for prismatic parts

    Prizmatik parçalar için STEP unsur-tabanlı akıllı süreç planlama sisteminin geliştirilmesi

    SALEH AMAİTİK

    Doktora

    İngilizce

    İngilizce

    2005

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Bölümü

    PROF.DR. ENGİN KILIÇ