Türkiye'de COVID-19 günlük vaka sayısının makine öğrenmesi algoritmaları ile tahmin edilmesi
Prediction COVID-19 cases per day with machine learning algorithms in Turkey
- Tez No: 732220
- 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: Makine öğrenmesi, Covid-19 vaka sayısı, Sınıflandırma algoritması, Rastgele orman algoritması, Machine learning, Number of covid-19 cases, Classification algorithm, Random Forest algorithm
- Yıl: 2022
- 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: 50
Özet
COVID-19 enfeksiyonu 2019 yılının Aralık ayında ortaya çıkmış olup, Dünya Sağlık Örgütü tarafından 11 Mart 2020'de pandemi olarak tanımlanmıştır. Pandemi sürecinde vaka sayılarının kontrol altına alınması için sosyal alanlarda kısıtlama ve sokağa çıkma yasağı gibi önlemler alınmıştır. Pandemi sürecinde vaka sayılarına yönelik tahminlerin yapılması önemlidir. Vaka sayısı tahmininin yapılmasında kullanılan zaman serisi analizi, bölmeli model ve makine öğrenmesi gibi kullanılan tahminleme yöntemleri bulunmaktadır. Bu araştırmada COVID-19 vaka sayısının tahmin edilmesinde Destek Vektör Makinesi Algoritması (SVM), Karar Ağacı Algoritması (DT), Naive Bayes Algoritması (NB), K-En Yakın Komşu Algoritması (KNN) ve Rastgele Orman Algoritması (RF) olarak 5 makine öğrenme algoritması üzerinde çalışılmıştır. Algoritmaların tahmin performansı doğruluk, duyarlılık ve kesinlik değerleri ile belirlenmiştir. PCA yöntemi kullanıldığında doğruluk değeri en yüksek RF algoritmasında, duyarlılık ve kesinlik değeri en yüksek SMV algoritmasında saptanmıştır. Bu yöntemin kullanılması sonucunda en düşük doğruluk NB algoritmasında, duyarlılık ve kesinlik değerleri en düşük NB ve DT algoritmalarında elde edilmiştir. PCA yöntemi kullanıldığında tüm algoritmalarda doğruluk, duyarlılık ve kesinlik değerleri AVM'ler Açık/Kapalı veri setinde en yüksek düzeyde bulunmuştur. Okullar Açık/Kapalı, Restaurantlar Açık/Kapalı ve AVM'ler Açık/Kapalı veri setinde RF algoritması ile tahminde sırasıyla %95, %88 ve %90 başarı oranı bulunmuş iken; Sokağa Çıkmak Yasak verisi için DT Algoritması ile tahminde %85 başarı oranı elde edilmiştir.
Özet (Çeviri)
COVID-19 infection emerged in December 2019 and was defined as a pandemic by the World Health Organization on March 11, 2020. During the pandemic process, measures such as restrictions in social areas and curfews have been taken. It is important to make estimates for the number of cases during the pandemic process. There are estimation methods used in estimating the number of cases, such as time series analysis, divisional model and machine learning. In this research, 5 machines as Support Vector Machine Algorithm (SVM), Decision Tree Algorithm (DT), Naive Bayes Algorithm (NB), K-Nearest Neighbor Algorithm (KNN) and Random Forest Algorithm (RF) were used to estimate the number of COVID-19 cases. The prediction performance of the algorithms was determined by the accuracy, sensitivity and precision values. When the PCA method is used, the RF algorithm has the highest accuracy and the SMV algorithm has the highest sensitivity and precision. As a result of using this method, the lowest accuracy was obtained in the NB algorithm, and the lowest sensitivity and precision values were obtained in the NB and DT algorithms. When the PCA method was used, the accuracy, sensitivity and precision values in all algorithms were found at the highest level in the AVMs On/Off dataset. In the Schools On/Off, Restaurants On/Off and Shopping Malls On/Off data set success rates were found respectively 95%, 88% and 90% in estimating with the RF algorithm. In the Curfew data, 85% success rate was achieved in the estimation with the DT Algorithm.
Benzer Tezler
- Türkiye'de COVID-19 aşı durumunun incelenmesi ve etkilerinin değerlendirilmesi
Investigation of the COVID-19 vaccine situation in Turkey and evaluation of its effects
FATMA GİZEM İNCE
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriUfuk ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ALAATTİN PARLAKKILIÇ
- COVID-19 pandemisi'nin BIST aracı kurumlar endeksi, USD/TRY ve EUR/TRY pariteleri üzerine etkisi
Impact of COVID-19 pandemic on BIST tool index, USD/TRY and EUR/TRY parities
İREM SEVİNMİŞ ÇAYLAK
Yüksek Lisans
Türkçe
2022
İşletmeMarmara Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. SİBEL YILMAZ TÜRKMEN
- Medya gündemi ve kamu gündemi: 30 mart-25 mayıs 2021 tarihlerinde Covid 19 salgınının, Türkiye'de zirve yaptığı dönemde Hürriyet, Sabah ve Sözcü gazetelerindeki sunumu
Media agenda and public agenda: Presentation in Hürriyet, Sabah and Sözcü Newspapers during the peak in Turkey of the Covid 19 pandemic between 30 march-25 may 2021
MÜMTAZ DİZDARLAR
Yüksek Lisans
Türkçe
2022
GazetecilikMaltepe ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
DOÇ. DR. TOLGA YAZICI
- Markov zincir modeli ve SEIARD modeli kullanılarak Türkiye'deki COVID-19 vaka sayılarının incelenmesi
Examination of the number of cases in Turkey COVID-19 using Markov chains model and model SEIARD
İSMAİL TEKŞUT
Yüksek Lisans
Türkçe
2022
MatematikSiirt ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RUKİYE ŞAMCI KARADENİZ
- Smart urban agriculture as an innovative approach for sustainable food production in Istanbul
İstanbulda sürdürülebilir gıda üretimi için yenilikçi bir yaklaşım olarak akıllı kentsel tarım
LADAN SEYED MAHDIZADEH
Yüksek Lisans
İngilizce
2024
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. SEDA KUNDAK