Geri Dön

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

PDF İndir

  1. Tez No: 834353
  2. Yazar: BURAK ARKANÖZ
  3. Danışmanlar: PROF. DR. DENİZ İNAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. 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

  1. Tez No

    672564

    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

    Türkçe

    2021

    Fizik ve Fizik MühendisliğiSüleyman Demirel Üniversitesi

    Fizik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ERTAN KÜRKÇÜOĞLU

  2. Tez No

    922143

    Metaheuristic optimum seismic design of steel moment frames considering connection topology and soil-structure interaction

    Yapı-zemin etkileşimi ve birleşim yeri topolojisi dikkate alınarak çelik moment çerçevelerinin meta-sezgisel yöntemlerle optimum sismik tasarımı

    JAY PRAKASH

    Doktora

    İngilizce

    İngilizce

    2025

    İnşaat MühendisliğiKaradeniz Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE DALOĞLU

  3. Tez No

    948819

    Aeroelastic optimization with genetic algorithm

    Genetik algoritma ile aeroelastik optimizasyon

    AHMET GÜVER

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEHER EKEN

  4. Tez No

    268793

    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

    İngilizce

    2010

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    Mühendislik Bilimleri Bölümü

    PROF. DR. MEHMET POLAT SAKA

    PROF. DR. TURGUT TOKDEMİR

  5. Tez No

    511124

    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

    Türkçe

    2018

    EnerjiOsmaniye Korkut Ata Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE YAKUT

Geri Dön