Topluluk öğrenmesi tabanlı yöntemler üzerine
On ensemble learning based methods
- Tez No: 895043
- Danışmanlar: PROF. DR. BURAK ORDİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Computer Engineering and Computer Science and Control, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 112
Özet
Veri sınıflandırma, makine öğrenimi alanında çalışılan önemli problemlerdendir. Bu problem tıp, finans, mühendislik ve pazarlama gibi çok çeşitli alanlarda hastalık teşhisi, kredi risk analizi, müşteri segmentasyonu gibi önemli uygulamalara sahiptir. Bu nedenle problemin etkin çözümü için sürekli bir arayış söz konusudur. Problemin çözümü için Karar Ağaçları, Destek Vektör Makinaları ve Rastgele Orman gibi geleneksel sınıflandırma yöntemleri üzerinde pek çok çalışma mevcut iken, daha etkin çözümler elde edebilmek adına, yeni arayışlar sonucu topluluk öğrenme teknikleri geliştirilmiştir. Bu tezde, yukarıda sözü edilen topluluk öğrenmesi tabanlı yöntemler ayrıntılı olarak incelenmiştir. AdaBoost topluluk öğrenme yöntemi ele alınıp, farklı ölçeklerdeki veri setlerindeki performansları analiz edilmiştir. Bir veri setinin büyüklüğü, dengesi ve kalitesi gibi faktörlerin modelin başarı oranı üzerindeki etkisi incelenip, kullanılan modelin genelleştirme kabiliyeti ve güvenilirliği üzerine de bulgular araştırılmıştır. Hesaplama denemeleri, Python programlama dili kullanılarak UCI Machine Learning Repository ve Kaggle'dan elde edilen altı veri seti üzerinde gerçekleştirilmiştir.
Özet (Çeviri)
Classification of data is one of the significant problems studied in the field of machine learning. This problem has critical applications in various fields such as medicine, finance, engineering, and marketing, including disease diagnosis, credit risk analysis, and customer segmentation. Therefore, there is a constant search for effective solutions to this problem. While there have been numerous studies on traditional classification methods such as Decision Trees, Support Vector Machines, and Rastgele Ormans, ensemble learning techniques have been developed as new approaches to achieve more effective solutions. In this thesis, the aforementioned ensemble learning-based methods are examined in detail. The AdaBoost ensemble learning method is addressed, and its performance on datasets of different scales is analyzed. Factors such as the size, balance, and quality of a dataset and their impact on the model's success rate are examined, and findings on the generalization capability and reliability of the model used are also investigated. Computational experiments were conducted on six datasets obtained from the UCI Machine Learning Repository and Kaggle using the Python programming language.
Benzer Tezler
- Derin öğrenme yöntemleri ile Türkçede bağlılık ayrıştırma
Dependency parsing with deep learning methods in Turkish
MÜCAHİT ALTINTAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Fuzzy clustering based ensemble learning approach: Applications in digital advertising
Bulanık kümeleme tabanlı topluluk öğrenmesi yaklaşımı: Dijital reklam alanında uygulamalar
AHMET TEZCAN TEKİN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
PROF. DR. TOLGA KAYA
- Ensemble based feature selection with hybrid model
Hibrit modeli ile topluluk temelli öznitelik seçimi
CEYLAN DEMİR
Yüksek Lisans
İngilizce
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İZZET GÖKSEL
DOÇ. DR. SÜREYYA AKYÜZ
- An ensemble learning model for wide-area measurement based transient stability assessment in power systems
Güç sistemlerinde geniş alan ölçümlerine dayalı geçici hal kararlılık değerlendirmesi için bir topluluk öğrenme modeli
CAN BERK SANER
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Evrişimsel sinir ağları ile akciğer x-ray görüntülerinden COVID-19 tespiti ve hibrit model önerisi
COVID-19 detection from chest x-ray images and hybrid model recommendation with convolutional neural networks
FURKAN ERYILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. HACER KARACAN