Ağırlıklı Bayes sınıflandırıcıda ağırlıkların optimizasyonu
Optimization of the weights of weighted naïve Bayesian classifier
- Tez No: 527473
- Danışmanlar: DOÇ. DR. MURAT KARABATAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Veri Madenciliği, Sınıflandırma Algoritmaları, Bayes Algoritması, Ağırlıklı Sade Bayes Algoritması, Data Mining, Classification Algorithms, Bayes Algorithms, Weighted Naïve Bayes Algorithms
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Teknolojinin hızla gelişmesi ve bununla birlikte artan veri miktarı, veri analizini güçleştirmektedir. Birçok işlemin elektronik ortamda kaydedilmesi, saklanabilmesi ve istenildiği zaman veriye erişilebilmesi önem kazanmaktadır. Veri işlenmediği sürece anlam ifade etmemektedir. Verilerin anlamlı bir bütün haline getirilebilmesi için veri madenciliğinden faydalanılmaktadır. Veri madenciliği büyük ölçekli veriler arasında bilgileri ayrıştırarak yararlı bilgilere ulaşılması ve bu verilerden gelecekle ilgili tahminde bulunabilmek için bağıntıların bilgisayar programı kullanılarak aranması işlemidir. Bu tez kapsamında, veri madenciliği sınıflandırma yöntemleri ve bu yöntemler arasında yer alan Bayes sınıflandırma algoritması incelenmiştir. Ayrıca Bayes sınıflandırma algoritmasının geliştirilmiş bir modeli olan Ağırlıklı Bayes algoritması da tez kapsamında incelenerek, bu yöntemde kullanılan ağırlıkların optimize edilmesi amaçlanmıştır. Bu amaçla öncelikle ağırlıkların hızlı bir şekilde bulunabilmesi için Hızlandırılmış Ağırlıklı Sade Bayes (Fasted Weighted Naive Bayesian- FW-NB) yöntemi önerilmiş ve daha sonra ağırlıkların optimizasyonu için Genetik Algoritma kullanılarak (Genetik Algoritma Tabanlı Ağırlıklı Sade Bayes- GAW-NB) ağırlıklar optimize edilmiştir. Tez kapsamında kullanılan yöntemler 5 farklı veri setine uygulanmış ve elde edilen sonuçlar karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlardan FW-NB algoritması ile ağırlıkların daha hızlı bulunduğu ve GAW-NB algoritması ile performans değerinin W-NB algoritmasına göre daha yüksek olduğu sonucuna ulaşılmıştır.
Özet (Çeviri)
The rapid development of the technology, along with the increasing amount of data, makes data analysis inconvenient. Today, it is important that many processes can be recorded, stored and accessed in an electronic environment. As long as the data are not processed, it does not make any sense. Data mining is used to make the data meaningful. Data mining is the process of retrieving useful information from large-scale data by separating the information among the large-scale data and retrieving the data by using a software to make predictions about the future. In this thesis, methods of data mining and Bayes classification algorithm are examined. The Weighted Bayes algorithm, which is an improved model of the Bayes classification algorithm, is also examined in the thesis and it is aimed to optimize the weights used in this method. For this purpose, we propose Fasted Weighted Naive Bayes (FW-NB) method to find weights quickly and then weights are optimized by using Genetic Algorithm (Genetic Algorithm Based Weighted Naive Bayes-GAW-NB) for the optimization of weights. The methods used in this thesis are applied on 5 different data sets and the results are evaluated comparatively. The results show that FW-NB algorithm is faster than W-NB algorithm and performance of GAW-NB algorithm is higher than W-NB.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Robust adaptive learning approach of artificial neural networks
Yapay sinir ağları için sağlam adaptif öğrenme yaklaşımı
ALAA ALI HAMEED HAMEED
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BARIŞ KOÇER
- Heart disease system prediction using data mining techniques
Veri madenciliği teknikleri kullanarak kalp hastalığı sitemi tahmini
MOHAMMED IBRAHIM MAHDI AL-AZZAWI
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. YURIY ALYEKSYEYENKOV
- Fonksiyonel MR görüntülerini filtrelemede yeni bir yaklaşım ve depresyon hastalarının sınıflandırılması üzerine etkileri
A new approach for denoising functional MR images and its effects on the classification of depression patients
GÜZİN ÖZMEN
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERAL ÖZŞEN