Robust resgresyon ve makine öğrenmesi uygulamaları
Robust regression and machine learning applications
- Tez No: 826040
- Danışmanlar: DR. ÖĞR. ÜYESİ HASAN HALİT TALİ
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Haliç Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı Matematik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
“Robust Regresyon ve Makine Öğrenmesi Uygulamaları”adı altında hazırlanan bu çalışma 5 bölümden oluşmaktadır. Birinci bölümde; tezin amacı ve literatür araştırması yer almaktadır. İkinci bölümde; robust regresyon analizinde gerekli olan doğrusal regresyon, en küçük kareler yöntemi, ağırlıklandırılmış en küçük kareler yöntemi, aykırı değer, kırılma noktası, kaldıraç noktası ve ayrıca uygulamalar kısmında gerekli olan makine öğrenmesine ait kavramlar yer almaktadır. Üçüncü bölümde; Robust regresyon analizinin tanımı ve bu analize ait bazı robust yöntemler ile ilgili bilgiler yer almaktadır. Dördüncü bölümde; üçüncü bölümde verilmiş olan robust yöntemlerin kullanıldığı uygulamalara yer verilmiştir. Uygulamalarda oluşturulan modellerin katsayıları hem cebirsel işlemler hem de oluşturulan MATLAB koduyla iki farklı şekilde hesaplanmıştır. Ayrıca uygulamalarda robust yöntemler dışında makine öğrenmesinin gözetimli öğrenme yöntemine ait bazı tahmin algoritmaları kullanılarak da modeller oluşturulmuştur. Oluşturulan tüm modellerin başarıları bazı metrikler kullanılarak ölçülmüştür. Beşinci bölümde, tezin sonuç kısmı yer almaktadır. Bu bölümde öncelikle uygulamalar için oluşturulan robust modellerin katsayılarının hem cebirsel işlemler hem de oluşturulan MATLAB kodunun çalıştırılması sonucunda aynı değerleri verdiği gösterilmiştir. Sonrasında ise her bir uygulama için oluşturulmuş robust ve makine öğrenmesi modellerinin başarıları kıyaslanmış ve yorumlar yapılmıştır.
Özet (Çeviri)
This study, prepared under the name of“Robust Regression and Machine Learning Applications”, consists of 5 chapters. In the first part; The aim of the thesis and literature research are included. In the second part; Linear regression, least squares method, weighted least squares method, outlier, breakpoint, leverage point required in robust regression analysis and also the necessary machine learning concepts are included in the applications section. In the third part; There is information about the definition of robust regression analysis and some robust methods of this analysis. In the fourth part; In the third part, the applications using the robust methods given in the chapter are included. The coefficients of the models created in the applications were calculated in two different ways with both algebraic operations and the generated MATLAB code. In addition, models were created by using some prediction algorithms belonging to the supervised learning method of machine learning, apart from robust methods. The success of all the models created were measured using some metrics. The fifth part contains the conclusion part of the thesis. In this section, it is shown that the coefficients of the robust models created for applications give the same values after both algebraic operations and running the generated MATLAB code. Afterwards, the succeses of robust and machine learning models created for each application were compared and comment were made.
Benzer Tezler
- Makine öğrenmesi yöntemleri ve bazı uygulamaları
Machine learning methods and some aplications
CEREN ÇELTİ
Yüksek Lisans
Türkçe
2022
MatematikHaliç ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN HALİT TALİ
- Kreatinin, kalsiyum ve sodyum için hasta tabanlı gerçek zamanlı kalite kontrol algoritması ve optimizasyonu
Patient-based real-time quality control algorithm and optimization for creatinine, calcium, and sodium
ERGİN ÇAM
Tıpta Uzmanlık
Türkçe
2025
BiyokimyaSağlık Bilimleri ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. ALEV KURAL
- Makine öğrenmesinde eksik veri ile başa çıkma yöntemlerinin karşılaştırmalı analizi: Diş hekimliği verisi üzerine bir uygulama
A comparative analysis of missing data handling methods in machine learning: An application on dental data
RABİA AKTAŞ
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri MühendisliğiOndokuz Mayıs ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ MURAT
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Machine learning applications for selection processes of military projects: A data-driven approach
Askeri projelerin seçim süreçlerine yönelik makine öğrenmesi uygulamaları: Veri odaklı bir yaklaşım
EMRAH ÖZDEN
Yüksek Lisans
İngilizce
2026
İşletmeTürk Hava Kurumu Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU AGHAZADEH