A hybrid approach for feature reduction
Öznitelik azaltma için hibrit bir yaklaşım
- Tez No: 562242
- Danışmanlar: DR. ÖĞR. ÜYESİ BUSE MELİS ÖZYILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 146
Özet
Bu tezde, şu anda mevcut olan öznitelik seçimi ve boyut azaltma yöntemleri üç farklı veri kümesi üzerinde analiz edilmiştir. Makine öğrenim alanında hızları nedeniyle popüler olan filtreleme temelli öznitelik seçim yöntemlerinin üzerinde durulmuştur. Ek olarak, özniteliklerin puanlarının birbirine yakın olması durumunda boyut azaltma uygulanarak özniteliklerin doğrusal bir genellemesi elde edilmiştir. Bu tezde incelenen öznitelik seçme yöntemleri, aralarındaki ilişkiyi göz ardı ederek özniteilkleri ayrı ayrı değerlendirmektedir. Bu aşamada, gereksiz olarak işaretlenen öznitelikler tamamen ilgisiz kabul edilir. Bu nedenle, bu tezde, bir hibrid öznitelik azaltma yaklaşımı önerilmiştir. Bu yaklaşımda, seçilmemiş öznitelikler, doğrusal izdüşümleri sağlanarak sınıflandırma ve kümelemeye katılma fırsatına da sahiptir. Dolayısıyla, bu yaklaşımla hem öznitelik seçimi algoritması tarafından seçilen en alakalı öznitelikler hem de seçilmemiş özniteliklerin projeksiyonu kullanılmaktadır. F-ölçümü açısından elde edilen sonuçlar, en yüksek skora sahip özniteliklerden oluşan en iyi öznitelik altkümesinin seçilmesinin yanı sıra, seçilmemiş özniteliklere mükemmel uyum şansı vermenin, tatmin edici sınıflandırma sonuçlarına neden olabileceğini göstermektedir.
Özet (Çeviri)
In this thesis, currently available feature selection and dimension reduction methods are analyzed on three different datasets. Particular emphasis is given to filtering-based feature selection methods, which are popular in machine learning area due to their speed. In addition, a linear generalization of the features is obtained by applying dimension reduction in case the scores of the features are close to each other. The feature selection methods that are examined in this thesis evaluate features individually by ignoring correlation between them. At this stage, features marked as redundant are accepted completely irrelevant. Hence, in this thesis, a hybrid feature reduction approach is proposed. In this approach, unchosen features have also opportunity to be involved in classification and clustering by providing a linear projection. Hence, with this approach both the most relevant features selected by feature selection algorithm and projection of unchosen features are utilized. The results obtained in terms of f-measurement show that, besides selecting the best feature subset consisting of top-n features, giving a perfect-fit chance to unchosen features may lead to satisfactory classification results.
Benzer Tezler
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Ontoloji boyut indirgemeli derin öğrenme yaklaşımı: Yapısal olmayan dokümanların sınıflandırılması üzerine bir uygulama
Deep learning approach with ontology based dimension reduction: An application on classification of unstructured documents
İLKAY YELMEN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GÜNEŞ
- A new host-based hybrid intrusion detection system architecture using machine learning algorithms with feature selection
Özellik seçimi ve öğrenme algoritmalarını kullanan yeni bir sunucu tabanlı melez saldırı tespit sistemi mimarisi
MURAT TOPALLAR
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
DOÇ. DR. KEMAL CILIZ
- Evrişimsel sinir ağları ve çekirge optimizasyon algoritması kullanarak kolon kanser hastalığı tesbiti
Colon cancer disease diagnose with convolutional neural network and grasshopper optimization algorithm
AMNA ALI A MOHAMED
Doktora
Türkçe
2024
Mühendislik BilimleriKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. AYBABA HANÇERLİOĞULLARI
- Akciğer seslerinin makine öğrenmesi yöntemleri ile sınıflandırılması
Classification of lung sounds using machine learning techniques
MAHMUD ESAD ARAR
Doktora
Türkçe
2024
BiyomühendislikYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HERMAN SEDEF