Machine learning algorithms for predicting pandemic possibility based on common symptoms
Ortak belirtilere dayalı pandemi olasılığını öngörmek için makine öğrenim algoritmaları
- Tez No: 768346
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: K-En Yakın Komşu Algoritması, Karar ağacı, Makine öğrenmesi, Pandemiler, Regresyon, Semptom, K-Nearest Neighbor Algorithm, Decision tree, Machine learning, Pandemics, Regression, Symptom
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın yaklaşımı, bireysel verilerin toplanmasını ve analizini içerecektir. Çeşitli veri toplama modülleri, veri depolama modülleri, analiz modülleri ve sunum modülleri, sistemin topladığı verileri düzenlemek için kullanılacaktır. İle birlikte gerekli kod ve test ortamları, makine öğrenmesi yöntemlerine bir bakış sağlanacaktır. Karmaşa Matrisi, Doğruluk, Özgüllük, Kesinlik ve Geri Çağırma gibi metrikleri kullanacağız. makine öğrenimi sisteminin etkinliğini değerlendirmek için. Lojistik regresyon, karar ağacı, rastgele orman ve KNN modelleri, Python'un çıktısına dayalı olarak yakın bir yarış içindedir ve Jüpter komut dosyaları. Uygulamayı gerektirdiği için lojistik regresyon yöntemi önerilir. mantık dikkate alınır.
Özet (Çeviri)
The approach of this study will include the collection and analysis of individual data. A variety of modules, such as data collecting modules, data storage modules, analysis modules, and presentation modules, will be utilized to arrange the data that the system collects. Along with the required code and testing environments, a look at machine learning methods will be provided. We will use metrics like the Confusion Matrix, Accuracy, Specificity, Precision, and Recall in order to evaluate the machine learning system's effectiveness. Logistic regression, decision tree, random forest, and KNN models are all in a close race based on the output of the Python and Jupter scripts. The logistic regression method is recommended because it takes the application logic into account.
Benzer Tezler
- İngiltere premier liginde maç sonuçlarının tahmini için iki aşamalı makine öğrenmesi modeli: özellik mühendisliği ve sınıflandırma yaklaşımları
A two-stage machine learning framework for english premier league match outcome prediction: Feature engineering and classification approaches
ALİNAZ AKSU
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiVeri Analitiği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
- Makine öğrenme algoritmaları ile su tüketim miktarlarının tahmini: Kocaeli örneği
Estimation of water consumption amounts using machine learning algorithms: The case study of Kocaeli
KASIM GÖRENEKLİ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ALİ GÜLBAĞ
- Makroekonomik değişkenler, COVİD-19 salgını ve 6 şubat depremlerinin enflasyon oranı üzerindeki etkilerinin makine öğrenme teknikleri ile incelenmesi
Examining the effects of macroeconomic variables, COVİD-19 pandemic and february 6 earthquakes on inflation rate with machine learning techniques
RIDVAN ALTIN
Yüksek Lisans
Türkçe
2025
İstatistikKırıkkale Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP YÖRÜBULUT
- Prediction of the future success of candidates before recruitment with machine learning: A case study in the banking sector
İşe alım öncecinde adayların gelecek başarılarının makine öğrenmesiyle tahmini: Bankacılık sektöründe bir vaka çalışması
KAAN AKSAÇ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT LEVENT DEMİRCAN
- Origin and destination based demand of continuous pricing for airline revenue management
Havayolu gelir yönetimi için sürekli fiyatlandırma yapısında başlangıç ve varış yerine dayalı talep tahmini
MEHMET MELİH DEĞİRMENCİ