Diabetes prediction using machine learning algorithms
Makine öğrenmesi algoritmaları ile şeker hastalığının tahmini
- Tez No: 763915
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA YENİAD
- 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: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Şeker hastalığı, çoğunlukla diyabet olarak bilinen, yüksek kan şekerine neden olan bir hastalıktır. Şeker hastalığında vücudunuz ya yeterli insülin üretmez ya da ürettiği insülini başarıyla kullanamaz. Yaş, obezite, kötü beslenme vb. faktörler diyabet hastalığına neden olabilir. Diyabet gözlerinize, böbreklerinize ve diğer organlarınıza zarar verebilir. Makine öğrenmesi algoritmaları birçok alanda olduğu gibi sağlık alanında yüksek performans göstermesi nedeniyle sıklıkla başvurulan bir tekniktir. Bu tezin amacı, aykırı ve eksik değerler içeren bir veri seti üzerinde diyabet sınıflandırma ve tahmin modeli oluşturmaktır. Bu modelin oluşum aşamasında, değer atama yöntemlerinin başarım oranına etkisi gösterilmiş ve farklı türde makine öğrenimi sınıflandırma algoritmaları uygulanmıştır. Bunlar literatürde sıkça kullanılan sınıflandırma algoritmalarıdır. Bu algoritmalar, Lojistik Regresyon, K-En Yakın Komşu, Yapay Sinir Ağları, Rastgele Orman, Destek Vektör Makinesi, Karar Ağaçları ve Naive Bayes sınıflandırma algoritmalarıdır. İlk olarak algoritmaların sınıflandırma başarıları karşılaştırılmış ve bu karşılaştırmalar, doğruluk, duyarlılık, kesinlik ve F1 skoru oranları üzerinden yapılmıştır. Çalışmanın sonuçları karşılaştırıldığında % 91,67 doğruluk oranı ile %75 eğitim setine karşılık gelen %25 test setinde yapay sinir ağı algoritmasının diğer sınıflandırma algoritmalarına göre en yüksek sınıflandırma yüzdesine sahiptir.
Özet (Çeviri)
Diabetes mellitus by a majority known as diabetes, is a disease that reasons high blood sugar. With diabetes, your body either doesn't make sufficient insulin or can't successfully use the insulin it does make. Age, obesity, bad diet etc. can cause diabetes disease. Diabetes can injury your eyes, kidneys, and other organs. Machine learning algorithms, as in many fields, are a constantly used technique because of their high performance in the field of health. The aim of this thesis is to create a diabetes classification and prediction model on a data set with outliers and missing values. In the formation phase of this model, the effect of imputation methods on the success rate was shown and different types of machine learning classification algorithms were applied. These are classification algorithms that are frequently used in the literature. These algorithms are Logistic Regression, K-Nearest Neighbor, Neural Networks, Random Forest, Support Vector Machine, Decision Trees and Naive Bayes classification algorithms. Firstly, the classification performance of the algorithms was compared and these comparisons are based on accuracy, sensitivity, precision, and F1-score. Comparing the results of the study, 91.67% accuracy rate, in the 25% test set corresponding to the 75% training set compared to other classification algorithms of the artificial neural network algorithm has the highest classification percentage.
Benzer Tezler
- Diyabet tespitinde makine öğrenmesi algoritmaları yaklaşımını kullanarak yapılmış bir çalışma
A study using the approach of machine learning algorithm in detection of diabetes
AYŞE DOĞRU
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT ARI
DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU
- Veri madenciliği yöntemlerinin diyabet tahmininde kullanılması
Use of data mi̇ni̇ng methods i̇n di̇abetes prediction
DAMLA HALATCI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGE YÜCEL KASAP
- Proteinlerdeki düzensiz bölgelerin tespiti için kaotik ve fizikokimyasal özellikler tabanlı yeni öznitelik kodlama yöntemleri geliştirilmesi
Developing new attribute coding methods to prediction of disordered protein regions on based chaotic and physicochemical properties
SEVDANUR GENÇ
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT GÖK
- Makine öğrenmesi tabanlı gerçek zamanlı medikal nesnelerin interneti çerçevesinin geliştirilmesi
Development of machine learning-based real-time medical internet of things framework
EMRE YILDIRIM
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇALHAN
- Zeki sınıflandırma ve kümeleme yöntemlerinin tıbbi tanı ve tedavide kullanımı
The usage of intelligent classification and clustering methods in medical diagnosis and treatment
UĞUR ERKİN KOCAMAZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN TAŞKIN