Geri Dön

Makine öğrenimini kullanarak COVID-19 salgınının yayılma oranına ilişkin öneri sistemi

Suggestion system regarding the spread rate of the COVID-19 outbreak using machine learning

  1. Tez No: 689066
  2. Yazar: MOHAMMAD HALIM AMINI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ PERİ GÜNEŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Covid-19, Veri Analizi, Makine öğrenimi Algoritmaları, Rastgele Orman, Destek Vektör Makinesi, K-En Yakın Komşular, Covid-19, Data analysis, Machine Learning Algorithms, Random Forest, Support Vector Machine, K-Nearest Neighbors
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 68

Özet

Dünyanın çeşitli yerlerinde Yeni Koronavirüs veya COVID-19 salgını bir bütün olarak dünyayı etkilemiş ve tüm dünyada milyonlarca ölüme neden olmuştur. Bu, halk sağlığı için uğursuz bir uyarı olmaya devam ediyor ve dünya tarihindeki en büyük salgınlardan biri olarak işaretlenecektir. Covid-19, dünyanın karşılaştığı en büyük sağlık sorunlarından biridir. Halk sağlığı politika yapıcıları, tıbbi tesisleri planlamak için gelecekte doğrulanmış vakaların güvenilir bir şekilde tahmin edilmesine ihtiyaç duyar. Ancak bu virüs Dünya Sağlık Örgütü (WHO) tarafından salgın olarak bildiriliyor ve tüm ülkeler her yeri kontrol etmeye ve kilitlemeye çalışıyor. Bu makale, çeşitli Makine Öğrenimi Algoritmalarının gerçek dünyadaki durumlarda nasıl uygulanabileceğini daha iyi anlamayı amaçlamaktadır. Makine öğrenimi Algoritmaları tarihsel verilerden öğrenir ve olaylar hakkında tahminlerde bulunur. Onaylanmış Covid-19 vakalarının sayısını tahmin etmek için makine öğrenimi Algoritmaları kullanılmıştır. Bu yazıda, onaylanmış Covid-19 vakalarının tahmini için makine öğrenimi algoritmalarının performansını iyileştirmek için üç Makine Öğrenimi Algoritması kullandık. Dünyadaki pozitif Covid-19 vakaları için epidemiyoloji etiketli veri setini kullanan Rastgele Orman, Destek Vektör Makinesi ve K-En Yakın Komşuları içeren Makine Öğrenimi Algoritmaları. Eğitim veri setinin %80'i modelleri eğitmek için kullanıldı ve %20 veri seti modelleri test etmek için kullanıldı. Algoritmaların performans değerlendirme sonucu, Covid-19 tahmini için Rastgele Orman Algoritmasının %92,59 ile en yüksek doğruluğa sahip olduğunu gösterdi.

Özet (Çeviri)

In various parts of the world, the New Coronavirus or COVID-19 outbreak has damaged the world as a full and caused millions of deaths around the world. This remains a dangerouse warning to public health and will be notable as one of the huge epidemics in world history. Covid-19 is one of the huge health problems facing the world. Public health protocol makers need strong estimation of confirmed cases in the future to idea medical facilities. For all that, this virus is reported as an epidemic by the World Health Organization (WHO), and all countries are trying to control and lock the place. This article aims to better understand how various Machine Learning Algorithms can be applied in real-world situations. Machine learning algorithms learn from actual data and make forecasting about events. Machine learning Algorithms were used to estimate the number of confirmed Covid-19 cases. In this article, we used three Machine Learning Algorithms to help the performance of machine learning algorithms for the forecasting of confirmed Covid-19 cases. Machine Learning Algorithms including Random Forest, Support Vector Machine, and K-Nearest Neighbors using epidemiology classify dataset for positive Covid-19 cases around the world. 80% of the training dataset was used to train the models and 20% of the data set was used to test the models. The performance evaluation result of the algorithms display that the Random Forest Algorithm for Covid-19 prediction has the highest accuracy with 92.59%.

Benzer Tezler

  1. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Detection of misinformation related to pandemic diseases using machine learning techniques on social media platforms

    Sosyal medya platformlarındaki makine öğrenme tekniklerini kullanarak pandemi hastalıklarına ilişkin yanlış bilgilerin tespiti

    JAVARIA NAEEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER MELİ̇H GÜL

  3. Makine öğrenmesi algoritmaları ile COVID-19 hastalarının belirlenmesi

    Identifying COVID-19 patients with machine learning algorithms

    MİNE AYAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiPamukkale Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZCAN MUTLU

  4. COVİD-19 vakalarının makine öğrenmesi algoritmaları ile tahmini

    Prediction of COVID-19 using machine learning (ML) algorithms.

    EVİN ZİREK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHakkari Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİKRET YILDIZ

    DOÇ. DR. CÜNEYT YÜCELBAŞ

  5. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK