Makine öğrenmesi ve öznitelik seçim yöntemleri ile kardiyovasküler hastalıkların tespiti
Prediction of cardiovascular diseases with machine learning and feature selection methods
- Tez No: 835675
- Danışmanlar: DOÇ. DR. MUSTAFA CEM KASAPBAŞI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hastalıkların gün geçtikçe arttığı ve çeşitlendiği günümüz dünyasında belli başlı hastalıklar can kayıplarına neden olmaktadır. Bunların başında ise kardiyovasküler hastalıklar gelmektedir. Bu çalışmada kalp hastalığı tahminine yönelik UCI Machine Learning Repository veri tabanlarından Statlog veri seti incelenmiştir. Pearson Korelasyon analizi, Ki-Kare Testi ve RefiefF Algoritması kullanılarak öz nitelik seçim işlemi uygulanmış, seçilen öz nitelikler 7 ayrı senaryo üzerinde örneklenmiştir. Her bir senaryo örneklemi 6 ayrı yöntem kombinasyonu ile analiz edilmiş, toplam 2520 model sonucu incelenmiştir. En yüksek doğruluk olan %95 ile hiper parametre optimizasyonu ile İş Hattı mimarisi kombinasyonu ile Rassal Orman Algoritması ve Gradient Boosting algoritmaları ile ulaşılmıştır.
Özet (Çeviri)
In today's world, where diseases are increasing and diversifying day by day, certain diseases cause loss of life. At the beginning of these, cardiovascular diseases come first. In this study, the Statlog dataset from the UCI Machine Learning Repository databases for heart disease prediction was examined. The self-attribute selection process was applied by using Pearson Correlation analysis, Chi-Square Test and RefiefF Algorithm, and the selected self-attributes were sampled on 7 separate scenarios. Each scenario sample was analyzed with a combination of 6 separate methods, and a total of 2520 model results were examined. The highest accuracy, 95%, was achieved with the combination of hyper parameter optimization and Pipeline architecture with the Random Forest Algorithm and Gradient Boosting algorithms.
Benzer Tezler
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Talasemi hastalığının öznitelik seçim yöntemleri kullanarak makine öğrenmesi algoritmaları ile teşhis edilmesi
Diagnosis of thalassemia disease with machine learning algorithms using feature selection methods
ECE GÜLŞAH ABBASOĞULLARI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FARUK BATURALP GÜNAY
- Elektrikli otobüslerde çizge tabanlı öznitelik seçimi ve makine öğrenmesi ile kestirimci bakım
Predictive maintanance with graph based feature selection & machine learning in electrical busses
AYŞE IRMAK ERÇEVİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTobb Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT ÖZBAYOĞLU
- Kolesteatom ve NON-kolesteatom otitis media hastalarının bilgisayarlı tomografi görüntüleri üzerinden makine öğrenmesi yöntemleri ile belirlenmesi
Determination of cholesteatom and NON-cholesteatom otitis media patients in computerized tomography images by machine learning methods
RUSLAN MAMMADZADA
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. ŞÜKRÜ MEHMET ERTÜRK
DR. ÖĞR. ÜYESİ MEHMET BARBUROĞLU
- Makine öğrenme yöntemleriyle öğrencilerin akademik performanslarının farklı öznitelik seçim teknikleri uygulanarak sınıflandırılması
Classification of students' academic performance by different feature selection techniques by machine learning methods
SEMA KAYALI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERKAN SAVAŞ