İstatistiksel yöntemler ve makine öğrenmesi teknikleri ile sağlık sektörü verilerine ilişkin sınıflandırma modellerinin karşılaştırılması
Comparison of classification models with statistical methods and machine learning techniques in healthcare datasets
- Tez No: 677442
- Danışmanlar: PROF. DR. NİHAL ERGİNEL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Günümüzde mühendislik, tıp, ekonomi vb. sektörlere ait verilerin analiz edilerek anlamlı birer yol gösterici olabilmesi ve karar alma süreçlerini etkilemesi önem kazanmıştır. Veri analizlerinin objektif ve güvenilir sonuçlara sahip olabilmesi amacıyla uygun yöntemlerin kullanılması araştırma süreçlerine katkı sağlamaktadır. Çalışmada sağlık sektöründeki kanser, KOAH ve kalp yetmezliği olan kişilerin klinik verileriyle istatistiksel çıkarımlar yapılması amaçlanmıştır. Çalışmanın birinci adımında, makine öğrenmesi yöntemleri arasında da gösterilen lojistik regresyon ile düzenlileştirme yöntemlerinden ridge regresyon, lasso regresyon ve elastic net regresyon kullanılarak üç farklı veri setinde analiz edilmeye çalışılmıştır. Görselliği ve işlemsel kolaylığı sebebiyle en sık kullanılan yöntemlerden biri olan karar ağaçları ile CART algoritması ve C5.0 algoritması da çalışmaya dahil edilmiştir. Çalışmanın son adımında, RStudio'da gerçekleştirilen analizlerin sonuçları çeşitli performans kriterleriyle karşılaştırılarak çıkarımlarda bulunulmuştur.
Özet (Çeviri)
Data analysis could be an expressive guide by analyzing and influencing decision-making processes in various fields as engineering, medicine, economics etc. For the purpose of obtaining objective and reliable results, the usage of appropriate methods contributes to the research processes. The aim of this study is for making statistical inferences with the clinical datasets of patients with cancer, COPD and heart failure. Firstly, logistic regression and regularization methods such as ridge regression, lasso regression and elastic-net regression were tried to analyze with diverse datasets. CART algorithm and C5.0 algorithm, which are one of the most frequently used methods due to their visuality and operational ease, were also included to this study. In the last step of the study, the results of analyses which performed in RStudio were compared along with various performance measures and inferences.
Benzer Tezler
- Exploiting clustering patterns in training sets to improve classification performance of fully connected layers
Tam bağlantılı katmanların sınıflandırma performansını iyileştirmek için eğitim setlerindeki kümeleme örüntülerinden faydalanma
TOLGA AHMET KALAYCI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Estimation of PM10 variations in the Southeastern and Eastern Anatolia regions of Türkiye using remote sensing and statistical models
Türkiye'nin Güneydoğu ve Doğu Anadolu bölgelerindeki PM10 değişimlerinin uzaktan algılama ve ı̇statistiksel modeller kullanılarak tahmini
SULTANAY MURZAEVA
Yüksek Lisans
İngilizce
2024
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. ALPER ÜNAL
- 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
- Yüksek boyutlu model gösterilimi yöntemi ile dijital mamogramlarda meme kanseri tanısı
Breast cancer diagnosis in digital mammograms using high dimensional model representation
KÜBRA KARACAN
Yüksek Lisans
Türkçe
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
- Yeni doğanların yoğun bakım ihtiyacının makine öğrenmesi teknikleri ile doğum öncesinde tahmin edilmesi
Predicting intensive care needs of newborns prenatal by machine learning
SERKAN GESOĞLU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
DOÇ. DR. EMRAH AYDIN