Medikal veri üzerinde makine öğrenmesi yöntemlerinin karşılaştırılması
Comparing machine learning methods on medical datasets
- Tez No: 744373
- Danışmanlar: DOÇ. DR. MEHMET SERDAR GÜZEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Destek vektör makineleri, Karar ağacı, Lojistik regresyon modelleri, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Rastgele ormanlar, Yapay zeka, Support vector machines, Decision tree, Logistic regression models, Machine learning, Machine learning methods, Random forests, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojinin gelişmesiyle birlikte bilgisayarlar herkes tarafından ulaşılabilir hale gelmiştir. Bilgisayarların herkes tarafından ulaşılabilir olması yapay zeka, büyük veri ve IoT gibi alanlarda hem ticari hem de akademik çalışmaların artmasını sağlamıştır. Teknolojinin gelişmesiyle makine öğrenmesi yöntemleri de hemen hemen sektörde kendine yer bulmaktadır. Bu çalışma kapsamında sağlık alanından seçilen felç tahmin veri seti, parkinson hastalığı veri seti, kalp yetmezliği veri seti ve hepatit C hastalığı veri setleri ile modellenen makine öğrenmesi yöntemlerinin karşılaştırılması sağlanmıştır. Hazırlanan makine öğrenmesi modellemelerinde sırası ile Random Forest, Support Vector Machine, Logistic Regression, Naive Bayes ve Decision Tree algoritmaları kullanılmıştır. Makine öğrenmesi yöntemlerinin karşılaştırılmasında veri setlerinin veri dağılımlarına ve özelliklerine en az seviye de müdahale edilmiştir. Makine öğrenmesi yöntemlerinin karşılaştırılmasında literatürde kabül görmüş metrikler olan f1_score, roc_auc, accurancy, precision ve recall değerleri kullanılmıştır.
Özet (Çeviri)
With the development of technology, computers have become accessible to everyone. The fact that computers are accessible to everyone has increased both commercial and academic studies in fields such as artificial intelligence, big data and IoT. With the development of technology, machine learning methods find their place in the many area. With the scope of this study, a comparison of machine learning methods modeled with stroke prediction dataset, parkinson disease dataset, heart failure dataset and hepatitis C disease dataset selected from the field of health was provided. Random Forest, Support Vector Machine, Logistic Regression, Naive Bayes and Decision Tree algorithms were used in the prepared machine learning models, respectively. In the comparison of machine learning methods, the data distributions and properties of the datasets were interfered with at the minimum level. In the comparison of machine learning methods, f1_score, roc_auc, accurancy, precision and recall values, which are accepted metrics in the literature were used.
Benzer Tezler
- Yapay zeka teknikleri ile COVID-19 hastalık tahmini
COVID-19 disease prediction with artificial intelligence techniques
ABDULLAH TÜRKER TOKU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT ATASOY
- Pre-release forecasting of imdb movie ratings using multi-view data
Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi
BEYZA ÇİZMECİ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- A structured approach to digital health architecture: From design to optimization and evaluation
Dijital sağlık mimarisine yapılandırılmış bir yaklaşım: Tasarımdan optimizasyona ve değerlendirmeye
MELDA KEVSER AKGÜN
Doktora
İngilizce
2025
Endüstri ve Endüstri MühendisliğiAnkara Yıldırım Beyazıt ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SERVET SOYGÜDER
- A comparison of CNN-based visual explanation methods inmedical images
Sağlık görüntülerinde CNN tabanlı görsel açıklama yöntemlerinin karşılaştırılması
ELHAM DEHGHANI MOINI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. NAFİZ ARICA
- 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