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: 120
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
- 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
- Türkiye'deki havayolu firmalarıyla ilgili sosyal medya yorumlarının makine öğrenmesi yöntemleriyle sınıflandırılması
Classification of social media comments about airline companies in Turkey by machine learning methods
HATİCE ELİF EKİM
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
- Makine öğrenmesi yöntemleriyle anormal içme suyu tüketimlerinin tespit edilmesi ve tahmin modellerinin geliştirilmesi
Detecting abnormal drinking water consumptions and developing forecast models by machine learning methods
İSMAİL GÜNEY
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Comparison of feature selection and extraction methods and active learning in voice based emotion recognition systems
Ses duygu tanıma sistemlerinde aktif öğrenme ve öznitelik seçme ve çıkarma yöntemlerinin karşılaştırılması
TOLGA ATALAY
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN