Geri Dön

Diabetes prediction using xgboost random forest and gradient boosting

Başlık çevirisi mevcut değil.

  1. Tez No: 826534
  2. Yazar: SAAD ABDULLAH AHMED
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

Bir hastanın kan şekeri seviyesinin nasıl düzenleneceği son zamanlarda yoğun bakım ünitelerinde hararetle tartışılan bir konu olarak ortaya çıkmıştır. Mevcut veriler, diyabet için mevcut modelin, tahmin yeteneği için büyük ölçüde tek bir sınıflandırıcıya bağlı olduğunu göstermektedir. Gürültülü girdiye ve fazla uydurmaya karşı hâlâ savunmasız olmasının bir sonucu olarak, modelin sınıflandırma performansı, değişikliklere rağmen standartların altında kalıyor. Bu, tıbbi veri madenciliğinin birincil hedeflerine aykırıdır ve ne pahasına olursa olsun kaçınılmalıdır. Tıbbi tanı koymaya gelince, şimdiye kadar pek çok toplu öğrenme türünü içeren birleşik bir model mevcut değildi. Ama artık durum böyle değil. Ancak her durumda, işler aynı değildir. Bu tezde, ön işlemenin doğru ve güvenilir tahmin için kritik bir bileşen olduğu PID veri setini kullanarak diyabeti tahmin etme problemine önerilen yaklaşımı uyguluyoruz. EDA ve normalleştirmeyi içeren önerilen ön işleme tekniği, veri setinin kalitesini artırdı. Bundan sonra, tüm modelleri tam olarak dahil etmek ve sonuçları aykırı değerleri hariç tutma yöntemiyle karşılaştırmak için Python colab'ı kullandık. Aykırı değerler artık dikkate alınmadığında, Gradient Boosting Classifier en iyi yöntem olarak ortaya çıkıyor.

Özet (Çeviri)

How to regulate a patient's blood sugar level has emerged as a hotly debated issue in intensive care units recently. Available data suggests that the present model for diabetes depends heavily on a single classifier for its predictive ability. As a result of still being vulnerable to noisy input and overfitting, the model's classification performance remains substandard despite the modifications. This runs counter to the primary goals of medical data mining and should be avoided at all costs. When it comes to making medical diagnoses, a unified model that incorporates many types of ensemble learning has not existed until now. But that's not the case any longer. But in any case, things are not the same. In this thesis, we apply the suggested approach to the problem of predicting diabetes using the PID dataset, where pre-processing is a critical component for accurate and trustworthy prediction. The recommended pre-processing technique, which comprised EDA and normalization, enhanced the quality of the dataset. After that, we utilized Python colab to fully include all of the models and compare the outcomes to the method for excluding outliers. When outliers are no longer considered, the Gradient Boosting Classifier emerges as the top method.

Benzer Tezler

  1. Diyabet tespitinde makine öğrenmesi algoritmaları yaklaşımını kullanarak yapılmış bir çalışma

    A study using the approach of machine learning algorithm in detection of diabetes

    AYŞE DOĞRU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT ARI

    DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU

  2. XGboost ve karar ağacı tabanlı algoritmaların diyabet veri setleri üzerine uygulaması

    Application of XGboost and decision tree based algorithms on diabetes data

    GÜLÇİN YANGIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ELİF ÖZGE ÖZDAMAR

  3. Implementation of deep learning based approaches in the diagnosis of diabetes and diabetic retinopathy

    Diyabet ve diyabetik retinopati teşhisinde derin öğrenmeye dayalı yaklaşımların uygulanması

    ÖZGE NUR ERGÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN

  4. Makine öğrenmesi yöntemleri ile diyabet hastalığı tahminleme

    Diabetes prediction with machine learning methods

    TUĞBA KEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİ

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TALAT FİRLAR

  5. Sağlık alanında hastalıkların erken tahmininde yapay zeka tekniklerinin kullanılması

    Use of artificial intelligence techniques in early prediction of diseases in the field of health

    YASEMİN ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiBursa Uludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. NURSEL ÖZTÜRK