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
- Tez No: 689066
- Danışmanlar: DR. ÖĞR. ÜYESİ PERİ GÜNEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- 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
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- 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
- 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
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER MELİ̇H GÜL
- Makine öğrenmesi algoritmaları ile COVID-19 hastalarının belirlenmesi
Identifying COVID-19 patients with machine learning algorithms
MİNE AYAZ
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiPamukkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZCAN MUTLU
- COVİD-19 vakalarının makine öğrenmesi algoritmaları ile tahmini
Prediction of COVID-19 using machine learning (ML) algorithms.
EVİN ZİREK
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiHakkari ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET YILDIZ
DOÇ. DR. CÜNEYT YÜCELBAŞ
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK