Makine öğrenmesi yöntemleri ile diyabet hastalığı tahminleme
Diabetes prediction with machine learning methods
- Tez No: 808249
- Danışmanlar: DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İSTANBUL BEYKENT ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 100
Özet
Günümüzde pek çok alanda yaygın olarak kullanılan yapay zeka, insanların karmaşık sorunları daha kolay ve hızlı çözümlemelerine yardımcı oluyor. Yapay zeka, insan zekasını taklit ederek, topladığı veriler aracılığıyla öğrenip, kendini geliştirebiliyor ve yenilik yapabiliyor. Sağlıkta alanında da yaygın olarak kullanılan makine öğrenimi teknikleri, erken teşhis ve yerinde teşhis sağlayarak, kolaylıklar sunmaktadır. Bu çalışma kapsamında, Spyder aracı üzerinde Python programlama dili kullanılarak, Logistic Regression, XGBoost, Naive Bayes, En Yakın Komşu, Destek Vektör Makineleri, Karar Ağacı gibi yaygın makine öğrenmesi teknikleri Diyabet verisine uygulanmış ve şeker hastalığı tespiti yapılmıştır. Diyabet hastalığı tespiti için makine öğrenimi yöntemleri uygulanıp, karşılaştırılarak, erken teşhis ve gelecekte teşhis öngörüsü için en etkili yöntemler belirlenmiştir. Bu çalışmanın amacı, toplam 768 hastadan toplanan verilere yapay zeka algoritmalarını uygulayarak, bu tekniklerden elde edilen sonuçlar kıyaslanmış, diyabet teşhisini en yüksek doğruluk oranında sağlayan algoritmanın bulunmasını kapsamaktadır. Bu tezde kullanılan yapay zeka algoritmaları Lojistik Regresyon, KNN, XGBoost, Naive Bayes, Rastgele Orman, Destek Vektör Makineleri, Karar Ağacı'dır. Algoritmalardan elde edilen sonuçlar kıyaslandığında en yüksek doğruluk oranı %96 ile Rastgele Orman ve KNN algoritması ile elde edilmiştir.
Özet (Çeviri)
Artificial intelligence, which is widely used in many fields today, helps people to solve complex problems more easily and quickly. Artificial intelligence can learn, improve and innovate through the data it collects by imitating human intelligence. Machine learning techniques, which are also widely used in the field of health, provide convenience by providing early diagnosis and on-site diagnosis. Within the scope of this study, common machine learning techniques such as Logistic Regression, XGBoost, Naive Bayes, Nearest Neighbor, Support Vector Machines, Decision Tree were applied to Diabetes data by using Python programming language on the Spyder tool and diabetes detection was made. By applying and comparing machine learning methods for the detection of diabetes, the most effective methods for early diagnosis and prediction of future diagnosis are determined. The aim of this study is to find the algorithm that provides the highest accuracy rate for diabetes diagnosis by applying artificial intelligence algorithms to the data collected from a total of 768 patients, the results obtained from these techniques are compared. Artificial intelligence algorithms used in this thesis are Logistic Regression, KNN, XGBoost, Naive Bayes, Random Forest, Support Vector Machines, Decision Tree. When the results obtained from the algorithms are compared, the highest accuracy rate was obtained by the Random Forest and KNN algorithm with 96%.
Benzer Tezler
- Machine learning approach for predicting severity of obstructive sleep apnea syndrome
Obstrüktif uyku apnesinin şiddetinin tahminlenmesinde makine öğrenmesi yaklaşımı
ONURHAN HAMZAOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. FETHİYE AYLİN SUNGUR
- Laboratuvar tetkik sonuçları üzerinde makine öğrenmesi uygulamaları
Machine learning applications on laboratory test results
UĞUR ENGİN EŞSİZ
Doktora
Türkçe
2022
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACİRE OYA YÜREGİR
DR. ÖĞR. ÜYESİ BİRSEN İREM SELAMOĞLU
- Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi
Perioperative prognosis and cost analysis in patients who have undergone bipolar hemiarthroplasty with hip fracture by using machine learning algorithms
KEMAL ZENCİRLİ
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiAtatürk ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. ÖMER SELİM YILDIRIM
DR. ÖĞR. ÜYESİ MUHAMMED ÇAĞATAY ENGİN
- Genom-boyu ilişki çalışmalarında poligenik risk skorunun makine öğrenimi ve derin öğrenme yöntemleri ile tahmin edilmesi
Prediction of polygenic risk score by machine learning and deep learning methods in genome-wide association studies
RAGIP ONUR ÖZTORNACI
Doktora
Türkçe
2021
BiyoistatistikMersin ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. BAHAR TAŞDELEN
PROF. DR. CEMİL ÇOLAK
- SHAP görselleştirme tekniği ve makine öğrenmesi yöntemleri ile diyabetik retinopatinin erken tanı modellemesi
Early diagnosis modeling of diabetic retinopathy using SHAP visualization technique and machine learning methods
ŞÜKRAN YAMAN ATCI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GÜNEŞ