Vücut yağ yüzdesi tahmini için özellik seçim yöntemlerinin karşılaştırılması
Comparison of feature selection methods for estimation of body fat percentage
- Tez No: 739632
- Danışmanlar: DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Makine öğrenmesi, Vücut yağ yüzdesi, Öznitelik seçimi, Machine learning, Body fat percentage, Attribute selection
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çağımızın yaygın olarak görülen sağlık problemlerinden biri olan obezite, kişinin yaşam kalitesine olumsuz etkisinin yanında birçok rahatsızlığa da sebep olmaktadır. Vücut yağ yüzdesi, obezitenin teşhis edilmesinde en önemli göstergedir. Vücut yağ yüzdesinin ölçülmesi için çeşitli cihaz ve ekipman mevcuttur. Ancak bunlar ile ölçümün gerçekleştirilmesi yüksek maliyetlidir ve kullanımları sınırlıdır. Bu değerin hızlı, kolay, maliyetsiz ve yüksek doğruluk ile belirlenmesi ise en az obezitenin teşhis edilebilmesi kadar önemlidir. Antropometrik verilerden hesaplanabilen vücut yağ yüzdesi değerini makine öğrenmesi algoritmaları ile güvenli bir şekilde hesaplamak mümkündür. Bir regresyon problemi olarak ele alınan vücut yağ yüzdesi, literatürdeki birçok çalışma tarafından başarılı şekilde tahmin edilmiştir. Ancak veri setindeki yüksek boyutlu, alakasız ve gereksiz verilerin bulunması makine öğrenmesi algoritmalarının doğruluğunu saptırmakta ve modelin eğitim süresini arttırmaktadır. Makine öğrenmesi algoritmalarını daha az özellik ile kullanarak daha yüksek doğruluğun elde edilmesini sağlayan özellik seçim algoritmaları bulunmaktadır. Özellik seçimi sayesinde daha az veri ile çalışmak işlem yükünün azalmasının yanı sıra boyut probleminin etkisini azaltarak modelin tahmin performansını geliştirebilir, öğrenme sürecini hızlandırır ve problemin makine öğrenmesi modelleri tarafından daha iyi anlaşılmasını sağlar. Bu çalışmada vücut yağ yüzdesi tahmini için sekiz farklı özellik seçim algoritması karşılaştırılıp daha az özellik ile daha yüksek doğrulukta sonuçların elde edilmesi sağlanmıştır. Özellik seçim yöntemlerinin farklı modellere etkisini incelemek için dört makine öğrenmesi yöntemi kullanılmıştır. Bu makine öğrenmesi algoritmalarının eğitim süreleri karşılaştırılmıştır. Deneysel çalışmalar sonucunda özellik seçim yöntemleri kullanılarak daha az özellik ile modelin eğitimi için daha kısa süre harcanarak daha yüksek doğrulukta tahminler elde edilebileceği gösterilmiştir.
Özet (Çeviri)
Obesity, which is one of the common health problems of our age, causes many discomforts as well as its negative impact on the quality of life of the person. Body fat percentage is the most important indicator in diagnosing obesity. Various devices and equipment are available for measuring body fat percentage. However, these are costly to measure and their use is limited. Determining this value quickly, easily, inexpensively and with high accuracy is as important as diagnosing obesity. It is possible to reliably calculate the body fat percentage value, which can be calculated from anthropometric data with machine learning algorithms. Body fat percentage, which is considered as a regression problem, has been successfully estimated by many studies in the literature. However, the presence of high-dimensional, irrelevant and redundant data in the data set distort the accuracy of machine learning algorithms and increases the training time of the model. There are feature selection algorithms that provide higher accuracy by using machine learning algorithms with fewer features. Thanks to feature selection, working with less data reduces the computational cost, as well as reducing the effect of the size problem, improving the prediction performance of the model, accelerating the learning process and providing a better understanding of the problem by machine learning models. In this study, eight different feature selection algorithms for body fat percentage estimation have been compared and higher accuracy results have been obtained with fewer features. Four machine learning methods have been used to examine the effect of feature selection methods on different models. The training times of these machine learning algorithms have been compared. As a result of experimental studies, it has been shown that by using feature selection methods, higher accuracy predictions can be obtained by spending less time on training the model with fewer features.
Benzer Tezler
- Prostat adenokarsinomlarında psa değerlerinin gleason skor ve klinik evre ile ilişkisi
The relation between psa and gleason score and clinical phase in prostate adenocarsinoma
HACI HASAN ESEN
Tıpta Uzmanlık
Türkçe
2005
PatolojiSelçuk ÜniversitesiPatoloji Ana Bilim Dalı
PROF.DR. MUSTAFA CİHAT AVUNDUK
- Özel düzenlenmiş plyometrik antrenmanların genç basketbolcuların anaerobik güç performansına etkisi
Effects of regular specific plyometric training on anaerobic power of young basketball players
YÜKSEL SAVUCU
Yüksek Lisans
Türkçe
2001
SporFırat ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ.DR. MEHMET KUTLU
- Yahya Kemal'de bedii tefekkür unsurları: 1 Kendi Gök Kubbemiz'de duygu
Başlık çevirisi yok
MUSTAFA ÖZBALCI
Yüksek Lisans
Türkçe
1985
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
DOÇ. DR. SADIK K. TURAL
- ODTÜ Beden Eğitimi ve Spor bölümü 1985-1986 programının öğrencilerin fizyolojik kapasitelerine etkisi
Başlık çevirisi yok
ALİ AHMET DOĞAN
Yüksek Lisans
Türkçe
1986
Eğitim ve ÖğretimGazi ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. EYYUP GÜNAY İSBİR