Predicting Covid-19 infection using machine learning and feature selection methods
Makine öğrenmesi ve nitelik seçme yöntemleriyle Covid-19 tahmini
- Tez No: 749540
- Danışmanlar: DOÇ. DR. FATİH ABUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 230
Özet
Bu tezin amacı, çeşitli makine öğrenme ve nitelik seçme yöntemlerini kullanarak yeni COVID-19 tahmin modelleri geliştirmektir. Çok Katmanlı Algılayıcı (MLP), Tree Boost (TB), Radyal Temel İşlev Ağı (RBF), Destek Vektör Makinesi (SVM) ve K-Ortalama Kümeleme (KMC) yöntemleri kullanılarak çeşitli regüler ve nitelik seçme tabanlı COVID-19 tahmin modelleri oluşturmuştur. Minimum fazlalık maksimum önem (mRMR) ve Relief-F algoritmaları nitelik seçme yöntemleri olarak seçilmiştir. Veri seti, 20.000 hasta (10.000 pozitif, 10.000 negatif) ile ilgili bilgileri içermektedir ve çeşitli kişisel, semptomatik ve asemptomatik değişkenlerden oluşmaktadır. Modellerin performansını değerlendirmek için doğruluk, kesinlik, hassaslık ve F1-skor metrikleri kullanılırken, modellerin genelleme hataları 10-katlı çapraz doğrulama kullanılarak değerlendirilmiştir. Sonuçlar, genel olarak MLP'nin COVID-19 enfeksiyonunu tahmin etmede diğer tüm ML sınıflandırıcılarından daha iyi performans sergilediğini göstermektedir. mRMR'nin ortalama performansının, bir hastanın COVID-19 enfeksiyonunu tahmin etmede Relief-F'e göre biraz daha iyi olduğu gözlemlenmiştir. Ateş, öksürük ve baş ağrısı gibi semptom temelli değişkenler, COVID-19 enfeksiyonunun en önemli belirleyicileri olarak bulunmuştur.
Özet (Çeviri)
The purpose of this thesis is to develop new COVID-19 prediction models using different machine learning and feature selection methods. Particularly, Multi-Layer Perceptron (MLP), Tree Boost (TB), Radial Basis Function Network (RBF), Support Vector Machine (SVM), and K-Means Clustering (KMC) have been used to construct various regular and feature selection-based COVID-19 prediction models. The minimum redundancy maximum relevance (mRMR) and Relief-F algorithms have been chosen as the feature selectors. The dataset has information related to 20.000 patients (i.e., 10.000 positives, 10.000 negatives) and includes several personal, symptomatic, and non-symptomatic variables. The accuracy, precision, recall, and F1-score metrics have been used to assess the models' performance, whereas the generalization errors of the models has been evaluated using 10-fold cross-validation. The results show that, in general, MLP outperforms all other ML classifiers for predicting the COVID-19 infection. The average performance of mRMR is slightly better than Relief-F in predicting the COVID-19 infection of a patient. The symptom-based variables such as fever, cough, and headache have been found as the most vital predictors of COVID-19 infection.
Benzer Tezler
- Prediction of COVİD-19 with machine learning algorithms using blood test data
Kan test verilerini kullanarak makine öğrenme algoritmaları ile COVİD-19 tahmini
SOHEILA ABBASI HABASHI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
prof. Dr. MURAT KOYUNCU
- Analitik hiyerarşi süreci ve veri madenciliği teknikleriyle hibrit bir karar destek sistemi uygulaması: kovid19 tanısı
A hybrid decision support system application with analytic hierarchy process and data mining techniques: diagnosis of COVİD 19
AHMET BURSALI
Yüksek Lisans
Türkçe
2023
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. ASLI SUNER KARAKÜLAH
- COVID-19 hastalarında ilk başvurudaki verilerle hastalık şiddetinin makine öğrenmesi yöntemleri ile öngörülmesi
Prediction of disease severity with machine learning methods in COVID-19 patients with the data at the first hospitalization
KÜBRA KÖKSAL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ
DOÇ. DR. BUKET DOĞAN
- 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
- SARS-CoV-2 proteini ile insan proteini arasindaki etkileşimlerin makine öğrenmesi yöntemleri ile tahmini
Prediction of interactions between SARS-CoV-2 protein and human protein using machine learning methods
FİRDES GÜL KORKUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT GÖK