Geri Dön

The performance comparison of ensemble machine learning classifierson medical datasets

Uç öğrenme makinesi sınıflandırıcılarının tıbbi veri kümeleri üzerindeki performans karşılaştırması

PDF İndir

  1. Tez No: 769455
  2. Yazar: MOHAMMED LAWAN
  3. Danışmanlar: PROF. DR. ENGİN AVCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 54

Özet

Makine öğrenimi süreci iki ana aşamaya ayrılır: sınıflandırma algoritmik programının öğretildiği öğrenme aşaması ve algoritmik programın yeni verileri etiketlediği sınıflandırma aşaması. Denetimli öğrenme olarak da bilinen sınıflandırma olarak bilinen veri işleme tekniği, bilgileri önceden belirlenmiş gruplara ve kategorilere ayırır. J48 Karar Ağacı, Yapay Nötr Ağ (YSA), Aşırı Öğrenme Makinesi (ELM) ve diğer önemli topluluk makine öğrenimi sınıflandırıcıları, incelemekte olduklarımızdır. ELM, tek gizli katmanlı ileri beslemeli sinir ağlarından gelişen regresyon ve sınıflandırma sorunları için yeni bir alandır. Bu tezde, üç ana sınıflandırıcıyı (ELM, J48 ve ANN) tıbbi veri kümelerine uygulamak için aktivasyon fonksiyonları kullanılacaktır. Diyabet, hepatit ve diğer tıbbi durumlar bu veritabanlarına dahil edilmiştir. ELM sınıflandırıcısı, sağlıklı ve sağlıksız özelliklerle sağlanır. ELM ayrıca logaritmik sigmoid ve tanjant sigmoid dahil olmak üzere belirli etkinleştirme işlevlerinden en yüksek sınıflandırma performansını elde etmek için yapılmıştır. Bilgi teorisine dayalı karar ağaçlarının kullanımı ile J48 algoritması sınıflandırma yapar. Bu, Ross Quinlan'ın Weka'da J48 olarak adlandırılan ve Java'dan sonra adlandırılan eski ID3 algoritmasının geliştirilmiş halidir. C4.5'in sınıflandırma için kullanılan karar ağaçları üretmesi nedeniyle, SVM'ye genellikle istatistiksel sınıflandırıcı denir. C4.5 algoritmik kuralı (J48) genellikle klinik verileri yorumlayarak koroner kalp hastalığını tanımlama, e-yönetişim için bilgileri kategorilere ayırma ve çok daha fazlası gibi çeşitli alanlardaki bilgileri kategorize etmek için kullanılır. Bilgisayar dünyasında, bir kişinin beynini oluşturan nöronlar ağını kopyalamaya çalışmak için yapay bir sinir ağı geliştirildi, böylece bilgisayarlar bilgiyi kavramayı ve insan benzeri bir şekilde seçim yapmayı seçebildi. Programcılar, bilgisayarların birbirine bağlı beyin hücreleri ağı gibi çalışmasını, dolayısıyla hayali sinir ağı olmasını isterler. Hafif ila şiddetli hastalık güçlükleri olan hastalardan oluşan ücretsiz bir çevrimiçi veri kümesinin kullanılmasıyla, 900 ila 1000 arasında değişen bir tıbbi veri kümesi için ELM, Sigmoid, Relu ve diğer sınıflandırıcıları kullanacağız.

Özet (Çeviri)

The machine learning process may be broken down into two distinct phases: learning, in which the classification algorithmic program is trained, and classification, in which the algorithmic program labels new data. Classification, also known as supervised learning, is a technique for processing data that divides the information into predetermined groups and categories. We are examining the J48 Decision Tree, the Artificial Neutral Network (ANN), the Extreme Learning Machine (ELM), and other other notable ensemble machine learning classifiers. Single-hidden-layer feedforward neural networks spawned the new field of ELM, which focuses on regression and classification challenges. In this thesis, activation functions will be used to apply the three basic classifiers—ELM, J48, and ANN—to medical datasets. These databases include information on diseases such as diabetes and hepatitis. The ELM classifier is fed both healthy and harmful features. In addition, the logarithmic and tangent sigmoid activation functions, as well as others, are included into ELM in order to optimize classification performance. Based on information theory, the J48 approach does classification using decision trees. It's a version of Ross Quinlan's older ID3 approach, sometimes referred to as J48 in Weka and named after Java. SVM is sometimes referred to as a statistical classifier due to the fact that C4.5 creates decision trees that are utilized for classification. The C4.5 algorithmic rule (J48) is often used to categorize data in a vast array of fields, including the diagnosis of coronary heart disease by evaluating clinical data, classification of data for e-governance, and many others. In the realm of computing, artificial neural networks (ANNs) were developed in an attempt to emulate the neuronal network that makes up a person's brain. ANNs enable computers to absorb information and make judgments in a way that closely resembles that of humans. The artificial neural network is the product of programmers' desire for computers to act similarly to an interconnected network of brain cells. We will employ classifiers such as ELM, Sigmoid, and Relu for a medical dataset of patients with a patient population of 900 to 1000, leveraging a free online dataset of patients with mild to severe illness difficulties.

Benzer Tezler

  1. Tez No

    479161

    Diagnosing knee pathology using surface electromyography (SEMG) and artificial neural networks

    Yüzey elektromiyografisi (SEMG) ve yapay sinir ağları kullanarak diz patolojisinin teşhisi

    JEAN DE DIEU UWISENGEYIMANA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TURGAY İBRİKÇİ

  2. Tez No

    902320

    Diyabetik retinopatinin tespit ve sınıflandırılması

    Diabetic retinopathy diagnosis and classification

    BERK PİŞKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Göz HastalıklarıDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. AYLİN ALIN

  3. Tez No

    734026

    Uydu görüntülerinden kıyı çizgisi tespitinde makine öğrenmesi algoritmalarının performanslarının deneysel olarak karşılaştırılması

    An empirical performance comparision of machine learning algorithms for detecting coastline from satellite images

    OSMAN İSA ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Deniz Bilimleriİstanbul Üniversitesi

    Denizel Çevre Ana Bilim Dalı

    PROF. DR. CEM GAZİOĞLU

  4. Tez No

    803043

    Ensemble pruning using optimization modeling

    Optimizasyon modellemesi kullanarak topluluk budaması

    PINAR KARADAYI ATAŞ

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    DOÇ. DR. SÜREYYA AKYÜZ

  5. Tez No

    833282

    Detecting multilingual offensive language in social media using deep neural networks

    Derin sinir ağlarını kullanarak sosyal medyada çokludilli saldırgan dil tespit etme

    MAHMUD BİRECİKLİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SELMA AYŞE ÖZEL

Geri Dön