Improving efficiency of the solutions for class imbalance problems using data mining techniques
Veri madenciliği tekniklerini kullanarak sınıf dengesizlik problemleri için çözümlerin verimliliğinin artırılması
- Tez No: 513123
- Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL BOZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 44
Özet
Klinik karar almada yanlış bir teşhis hastanın yaşamına zarar verebilir. Bu sebeple veri madenciliğinin sağlık sektörüne uygulanmasındaki kayda değer artış ölçüm doğruluğunu klinik teşhis öngörüsünde kritik performans ölçümlerinden biri haline getirmektedir. Bununla birlikte sınıf dengesizliği problemi yaygın olarak klinik veri kümelerini sıkıntıya sokmaktadır. Bu hal, veri kümelerindeki sınıflar eşitsiz biçimde ortaya konduğunda meydana gelmektedir. Bu durum algoritmaların verilerle overfitting uyuşmazlığına sebep olan ve klinik öngörüde zayıf doğruluk veren sinirsel ağ algoritmalarıının işlerliğini azaltmaktadır. Torbalama metodu sınıf dengesizliği problemine yaklaşım becerisine sahip ve ölçme doğruluğunu artıran yaygın kümeleme metodlarından biridir. Bunun yanısıra torbalama metodu kararsız kümeleyicilerde olumlu biçimde işlemektedir. Kararsız kümeleyicilerden biri de sinirsel ağlardır. Bu sebeple bu çalışmada, yukarıdaki probleme yaklaşım konusunda torbalama tabanlı sinirsel ağ öne sürülmektedir. Deneysel sonuçlara göre bu yöntem doğru ölçmede konvansiyonel sinirsel ağdan daha iyi sonuç vermekte ve klinik teşhis öngörüsünde sınıf dengesizliği problemine başarılı bir yaklaşım sergileyebilmektedir.
Özet (Çeviri)
In clinical decision making, an inaccurate diagnosis might harm patient's life. Therefore, the significant growth of data mining's implementation in healthcare industry takes the accuracy into one of the critical performance measures for clinical diagnosis prediction. However, clinical datasets commonly suffer from class imbalance problem. It occurs when the classes in the datasets are unequally presented. This situation degrades the performance of neural network algorithms which leads the algorithms to overfit the data and have poor accuracy in clinical prediction. Bagging method is one of the popular ensemble methods that is capable to address class imbalance problem and improve the accuracy. Furthermore, bagging method performs well with unstable classifiers. One of the unstable classifiers is neural networks. Therefore, bagging based neural network is proposed to address the above problem. From the experimental results, the proposed method achieves better accuracy than the conventional neural network and successfully addresses class imbalance problem on clinical diagnosis predictions.
Benzer Tezler
- Efficient deep learning approaches for signal and image analysis applications
Sinyal ve görüntü analizi uygulamaları için verimli derin öğrenme yaklaşımları
ONUR CAN KOYUN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Geleneksel üretim sistemlerinden tam zamanında üretim sistemine dönüşümünün tasarlanmasında simülasyon yaklaşımı
Başlık çevirisi yok
TİJEN ERTAY
- Anaerobic digestion of lignocellulosic waste usingphysico-chemical pretreatment methods interms of performance, microbial community, and cost analysis
Fizikokimyasal ön arıtım yöntemi ile lignoselülozik atıkların anaerobik çürütülmesi optimizasyonu, mikrobiyal topluluğu ve maliyet analizi
İREM GÜVEN BEYAZ
Yüksek Lisans
İngilizce
2024
Biyoteknolojiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN İNCE
- Çamaşır kurutma makinalarındaki havların su ile temizleme tasarımları
Water-powered designs for cleaning the lint in tumbledryers
YUNUS EKREM TEKEŞ
Yüksek Lisans
Türkçe
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Hibrit araçların bileşenlerinin tasarımı, modellenmesi ve güç yönetim stratejisinin belirlenmesi
Design, modeling and determination of power management strategy of hybrid vehicle components
MURAT FERHAT DOĞDU
Doktora
Türkçe
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. İSKENDER ATİLLA REYHANCAN