Parçacık sürü optimizasyonu ve elastik net düzenlemesine dayalı hibrit bir değişken seçim yöntemi
A hybrid feature selection method based on particle swarm optimization and elastic net regularization
- Tez No: 834353
- Danışmanlar: PROF. DR. DENİZ İNAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 40
Özet
Yüksek boyutlu verilerde değişken seçimi, makine öğrenmesi yöntemlerinin tahmin performansını arttırmak için çok önemli bir önsel adımdır. Gözlem sayısından daha fazla değişken olması durumu makine öğrenmesi yöntemlerini hesaplama verimliliği ve tahmin performansı açısından olumsuz etkilemektedir. Bu çalışmada yüksek boyutlu verilerde değişken seçimi için sarmalıyıcı ve gömülü iki yöntemi birleştiren, iki aşamalı yeni bir hibrit değişken seçimi yaklaşımı önerilmiştir. Önerilen yöntemin ilk aşamasında değişken sayısını indirgemek amacıyla ikili parçacık sürü optimizasyonu (BPSO) kullanılmıştır. Meta sezgisel yaklaşımlardan biri olan BPSO diğer meta sezgisel algoritmalara göre basitliği, verimliliği ve hızlı yakınsaması gibi birçok avantajı nedeniyle tercih edilmiştir. Ancak diğer meta sezgisel algoritmalar gibi BPSO'da optimal çözümü garantilemez. Bu sorunu çözmek için ikinci aşama olarak Elastic Net (EN) yaklaşımı kullanılmıştır. EN ceza parametrelerinin seçiminde esneklik ve zaman verimliliği sağladığı için tercih edilmiştir. Bu iki aşamalı hibrit yaklaşımın değişken seçimindeki performansı simülasyon çalışmaları yardımıyla; sensitivity, specifity ve S1 skor metriklerine göre EN yaklaşımıyla karşılaştırılmıştır. Sayısal sonuçlar önerilen yaklaşımın üstünlüğünü doğrulamaktadır. Önerilen yöntem gerçek veri seti üzerinde uygulanmış ve elde edilen modelin tahmin performansı klasik EN yaklaşımı ile karşılaştırılmıştır. Gerçek veri setinde de önerilen yöntemin üstünlüğü görülmüştür.
Özet (Çeviri)
Variable selection in high-dimensional data is a very important first step to increase the prediction performance of machine learning methods. Having more variables than the number of observations negatively affects machine learning methods in terms of calculation efficiency and prediction performance. In this study, a new two-stage hybrid variable selection approach is proposed, combining two methods, wrapper and embedded, for variable selection in high-dimensional data. In the first stage of the proposed method, binary particle swarm optimization (BPSO) was used to reduce the number of variables. BPSO, one of the meta-heuristic approaches, was preferred over other meta-heuristic algorithms due to its many advantages such as simplicity, efficiency and fast convergence. However, like other metaheuristic algorithms, BPSO does not guarantee an optimal solution. To solve this problem, the Elastic Net (EN) approach was used as the second stage. EN was preferred because it provides flexibility and time efficiency in the selection of penalty parameters. The performance of this two-stage hybrid approach in variable selection was evaluate with the help of simulation studies; It was compared with the EN approach according to sensitivity, specificity and S1 score metrics. Numerical results confirm the superiority of the proposed approach. The proposed method was applied on the real data set and the prediction performance of the resulting model was compared with the classical EN approach. The superiority of the proposed method was also seen in the real data set.
Benzer Tezler
- Optimizasyon algoritmaları kullanılarak 145 – 1120 mev enerji aralığında 16o+16o saçılmasının optik model analizleri
Optical model analyses of 16o+16o scattering at 145 - 1120 mev energy range by using optimization algorithms
OĞUZ ÖZTÜRK
Doktora
Türkçe
2021
Fizik ve Fizik MühendisliğiSüleyman Demirel ÜniversitesiFizik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ERTAN KÜRKÇÜOĞLU
- Optimum design of rigid and semi-rigid steel sway frames including soil-structure interaction
Rijit ve yarı-rijit çelik çerçevelerin zemin-yapı etkileşimini de içeren optimum boyutlandırılması
ERKAN DOĞAN
Doktora
İngilizce
2010
İnşaat MühendisliğiOrta Doğu Teknik ÜniversitesiMühendislik Bilimleri Bölümü
PROF. DR. MEHMET POLAT SAKA
PROF. DR. TURGUT TOKDEMİR
- Parçacık sürü optimizasyonu ve Ziegler-Nichols metodunu kullanarak dc motorun hız kontrolü için pıd parametrelerinin belirlenmesi ve karşılaştırılması
Determination and Comparison of PID Parameters for Speed Control of DC Motor Using Particle Swarm Optimization and Ziegler-Nichols Method
VOLKAN DURUSU
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RIDVAN ÜNAL
- Parçacık sürü optimizasyonu ve genetik algoritma kullanarak Türkiye'nin 2050 yılına kadar enerji tüketim tahmininin yapılması
The forecasting energy demand of Turkey by particle swarm optimization and genetic algorithm until 2050
EZEL ÖZKAN
Yüksek Lisans
Türkçe
2018
EnerjiOsmaniye Korkut Ata ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE YAKUT
- Parçacık sürü optimizasyonu ve veri madenciliği yöntemleriyle kümeleme analizi: İzmir'de kurulu bir firmanın müşterilerinin kümelenmesi uygulaması
Clustering analysis with particle swarm optimization and data mining methods: Application of a cluster of customers of a company established in Izmir
AYŞEGÜL CENGER
Yüksek Lisans
Türkçe
2018
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. MEHMET AKSARAYLI