Feature selection using ranking algorithms
Özellik seçimi sıralama algoritmalarını kullanma
- Tez No: 611969
- Danışmanlar: PROF. DR. OĞUZ BAYAT
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Günümüzde veriler birçok biçimde ve inanılmaz boyutta saklanır, bu kadar veriyi analiz etmek için ve Verilerin makine tarafından anlaşılabilir kılınması için yeni yöntemler ve algoritmalar geliştirilir, Orijinal verileri“Özellikler”biçiminde gösteren daha basit bir forma dönüştürülmelidir. Verilerin özelliklere dönüştürüldüğü sürece“Özellik Çıkarma”işlemi denir. Ancak bir çok özellik var ve problem için en verimli olanı kullanmak gerekiyor, bu yüzden özellik seçim süreci önemli. Kaur ve diğ. [7] araştırmalarında, özellikleri sıralamak ve çalışmalarına en uygun özellik grubunu seçmek için Çok Kriterli Karar Destek Yöntemleri“MCDM”den biri olan AHP-topsis algoritmasını kullandılar, Bu araştırmada çalışmalarına daha fazla MCDM algoritması uygulanarak devam edilecek, özellikleri sıralamak için sonra da bu sonuçları karşılaştırmak için karşılaştırıyoruz. Kullanılacak en uyumlu özellikler seti
Özet (Çeviri)
Nowadays the data is stored in many forms and with incredible size, new methods and algorithms are developed to analyze such amount of data, to make the data understandable by the machine, it should be converted to a simpler form that represents the original data in the shape of“Features”. The process in which the data is converted to features is called the“Feature Extraction”process. But there are a lot of features and just the most efficient to the problem should be used, therefore the features selection process is important. Kaur et al. in their research [7] used the AHP-topsis algorithm which is one of the Multi Criteria Decision Support Methods“MCDM”to rank the features and select the most appropriate features group to their work, in this research their work will be continued by applying more MCDM algorithms, to rank the features then we compare this results to extract The most compatible set of features to be used.
Benzer Tezler
- Estimating the chance of success and suggestion for treatment in IVF
Tüp bebek yönteminde tedavi başarı şansını tahmin etme ve tedavi yöntemi önerme
GİZEM MISIRLI
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. HALİL ALTAY GÜVENİR
- Predicton of maximal oxygen uptake using machine learning methods combined with feature selection
Nitelik seçme ile birleştirilmiş makina öğrenme yöntemleri kullanılarak maksimum oksijen tüketiminin tahmini
ERMAN AKTÜRK
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Nöropsikiyatrik hastalıkların tanısına destek amacıyla multimodal nörogörüntüleme verilerinin makine öğrenimi algoritmaları kullanılarak işlenmesi
Processing of multimodal neuroimaging data using machine learning algorithms to support diagnosis of neuropsychiatric diseases
CAN SOYLU
- Metin sınıflama için yeni bir özellik çıkarım yöntemi
A new method on feature extraction for text classification
GÖKSEL BİRİCİK
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. A. COŞKUN SÖNMEZ
- Yapay sinir ağları ile uçuşlardaki gecikmelerin öngörülmesi: Esenboğa havalimanında bir vaka çalışması
Predicting flight delays with artificial neural networks : A case study in Esenboğa airport
VAHAP BURHAN DEMİR
Yüksek Lisans
Türkçe
2016
Astronomi ve Uzay BilimleriTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Ana Bilim Dalı
YRD. DOÇ. DR. ENGİN DEMİR