Kategorik değişken için makine öğrenmesi algoritmalarının performanslarının incelenmesi
Başlık çevirisi mevcut değil.
- Tez No: 815159
- Danışmanlar: PROF. DR. BETÜL KAN KILINÇ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Extreme Gradient Boosting, Gradyan artırma algoritması, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Sınıflama ağaçları, Sınıflandırma, Extreme Gradient Boosting, Gradient boosting algorithm, Machine learning, Machine learning methods, Classification trees, Classification
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Makine öğrenmesi yöntemleri ve buna bağlı çalışmalar son yıllarda yaygın bir şekilde kullanım alanı bulmuş buna bağlı olarak gelişime açık bir hale gelmiştir. Bu tez çalışmasında, sınıflandırma problemlerinde karşılaşılan dengesizlik durumları incelenecektir. Buna göre, ikili sınıf dengesizliği problemi ele alınarak farklı oranlarda dengesizlik içeren sınıflara bir benzetim çalışmasıyla, sınıf dengesizliği problemini çözmek için çeşitli yeniden örnekleme yöntemleri kullanılarak, boosting topluluk öğrenmesi yöntemlerinden Adaptive boosting, Gradient Boosting Machines ve Extreme Gradient Boosting yöntemlerinin başarı performansları ve süre karşılaştırılması yapılacaktır.
Özet (Çeviri)
In recent years, machine learning algorithms and related studies have become widespread and depending on that its development is being evolved in time. In this thesis, imbalanced data problems in classi cation studies have been investigated. By conducting a simulation study, the ensemble learning methods such as Adaptive Boosting, Gradient Boosting Machines and Extreme Gradient Boosting were applied to the data sets having imbalanced problems to compare the performance and processing time of those with various ratios of imbalance scenarios using di erent sampling methods.
Benzer Tezler
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- A comprehensive analysis of Turkish sea level changes and future modeling using machine learning methods
Türk deniz seviyesi değişikliklerinin kapsamlı analizi ve makine öğrenimi yöntemleriyle gelecek modellemesi
ELİF KARTAL
Doktora
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- 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
Halk Sağlığıİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
PROF. DR. FETHİYE AYLİN SUNGUR
- Eğilim skoru eşleştirme yöntemlerinin performanslarının değerlendirilmesi ve web tabanlı bir arayüzün geliştirilmesi
Evaluating the performance of propensity score matching methods and developing a web based interface
GÜLDEN HAKVERDİ
Doktora
Türkçe
2023
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. TİMUR KÖSE
PROF. DR. CEMİL ÇOLAK