Veri madenciliği yöntemlerinin diyabet tahmininde kullanılması
Use of data mi̇ni̇ng methods i̇n di̇abetes prediction
- Tez No: 855658
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGE YÜCEL KASAP
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında önerilen yöntemler ve makine öğrenmesi algoritmaları kullanılarak diyabet hastalığına yatkın bireyler erkenden tespit edilmiştir. Böylece diyabet hastalığı erkenden teşhis edilebilecek ve tedaviye vakit kaybetmeden başlanabilecektir. Bu çalışmada, KAGGLE veri havuzundan temin edilen diyabet hastalarına yönelik bilgileri içeren iki farklı diyabet veri seti birleştirilerek kullanılmıştır. Verilerin analizi yapılarak insanların diyabet hastalığına yatkınlığını belirleyen en önemli faktörler tespit edilmiştir. Veri madenciliğinde kullanılan WEKA ve RapidMiner aracı ile diyabet verilerinin sınıflandırması yapılmıştır. Sınıflandırma görevini gerçekleştirmek için makine öğrenimi algoritmalarından K-Nearest Neighbor, Navie Bayes, Random Forest, Gaussian Processes, Linear Regression, Decision Table, M5P Rule ve Decision Stump algoritmaları kullanılmıştır. Decision Table sınıflandırıcısı kullanılarak kişilerin diyabet hastalığına yatkınlığı %96,87'lik doğruluk oranı ile başarılı bir şekilde sınıflandırılmıştır. Yapılan deneylerin sonuçlarına göre geliştirilen yöntemin ve kullanılan sınıflandırma algoritmalarının diyabet hastalığına yatkın insanları başarılı bir şekilde tespit ederek sınıflandırdığı görülmüştür.
Özet (Çeviri)
In this thesis, individuals prone to diabetes were detected early by using the proposed methods and machine learning algorithms. Thus, diabetes can be diagnosed early and treatment can be started without delay. In this study, two different data sets containing information on diabetic patients obtained from the KAGGLE data repository were combined and used. The most important factors that determine poeple's susceptibility to diabetes have been identified by analyzing the data. Data mining tools WEKA and RapidMiner were used for classifying diabetes data. The Machine Learning algorithms which are K-Nearest Neighbor, Navie Bayes, Random Forest, Gaussian Processes, Linear Regression, Decision Table, M5P Rule and Decision Stump were used to perform classification task. The tendency of individuals for diabetes was successfully classified with a 96,87% accuracy rate using the Decision Table classifier. According to the experimental results show that the developed method and the used classification algorithms successfully classified the people prone to diabetes.
Benzer Tezler
- İşletmelerde veri örgütlenmesi ve yönetim açısından bilgi sistemleri
Başlık çevirisi yok
FAHAMET TOPALOĞLU
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Bentonitlerde değişebilir katyonların katman yapısına etkilerinin x-ışınları kırınım yöntemi ile incelenmesi
Başlık çevirisi yok
İLHAN AKSOY
Doktora
Türkçe
1986
Fizik ve Fizik Mühendisliğiİnönü ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. NİZAMETTİN ARMAĞAN