Beyond BMI: Comparative analysis of machine learning models for obesity classification without height and weight data
BMI'nin ötesinde: Boy ve kilo verileri olmadan obezite sınıflandırması için makine öğrenmesi modellerinin karşılaştırmalı analizi
- Tez No: 902908
- Danışmanlar: DR. ÖĞR. ÜYESİ ERKUT ARICAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: 70
Özet
Obezite, modern dünyada yaygın bir sorundur ve kronik inflamasyon, metabolik bozukluklar ve tip II diyabet ile kardiyovasküler hastalıklar gibi birçok hastalıkla birlikte ortaya çıkmaktadır. Bu çalışma, obezite riskinin değerlendirilmesinde makine öğrenimi (ML) uygulamasını amaçlamaktadır. Bu çalışma, obezite sınıflandırmasında çeşitli sınıflandırma algoritmalarının performansını değerlendirmekte ve Lojistik Regresyon, Karar Ağaçları, Rastgele Ormanlar, Destek Vektör Makineleri, K-En Yakın Komşu, Naive Bayes ve Sinir Ağları gibi algoritmaları karşılaştırmaktadır. Çalışma, BMI'nin hesaplanmasında kullanılan değişkenlerin veri setinden çıkarılması durumunda, Rastgele Orman modelinin yüksek performansını raporlamaktadır. Bu çalışma, obezite riskinin tahmin edilebileceğini ve bu durumun diyet ve egzersiz gibi müdahalelerle önlenebileceğini, bunun da halk sağlığı yönetiminde ciddi bir öneme sahip olduğuna işaret etmektedir. Ayrıca, aynı veri seti kullanılarak yapılan diğer ilgili çalışmalara da değinmekte ve özellikle veri ön işleme ve özellik seçiminin model sonuçlarını iyileştirmedeki etkisini vurgulamaktadır.
Özet (Çeviri)
Obesity is a widespread issue in the modern world, and it is accompanied by such consequences as chronic inflammation, metabolic disorders, and numerous diseases, including diabetes type II and cardiovascular diseases. The present study aims to address the application of machine learning (ML) in assessing obesity risk. This paper assesses the performance of several classification algorithms in the classification of obesity and compares Logistic Regression, Decision Trees, Random Forests, Support Vector Machines, K-Nearest Neighbors, Naive Bayes, and Neural Networks. This study presents the Random Forest model and its high performance when the variables used to derive the BMI, which is the variable to be predicted, are removed from the data set. This study points to the fact that it is possible to predict early obesity risk, which can help prevent the condition through changes in diet and exercise, which are vital in public health management. The study also points to other related work done with the same dataset and highlights differing approaches in method and findings, in particular, the impact of data pre-processing and feature selecting in improving model outcomes.
Benzer Tezler
- Obezite tanısı olan bireylerde depresyon, bilgece farkındalık ve çocukluk çağı travmaları arasındaki ilişkiler
Relations between depression, mindfulness and childhood traumas among individuals diagnosed with obesity
DUYGU CENGİZ
Yüksek Lisans
Türkçe
2021
PsikolojiHaliç ÜniversitesiPsikoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BENGİSU NEHİR AYDIN
- Bariatrik cerrahi sonrası 6. ayını dolduran bireylerin protein tüketimi ve biyokimyasal değerler ile ilişkilendirilmesi
Association of protein consumption and biochemical values of individuals filling 6 months after bariatric surgery
HATİCE GÜRGEN
Yüksek Lisans
Türkçe
2019
Beslenme ve DiyetetikHaliç ÜniversitesiBeslenme ve Diyetetik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP ÖZERSON
- KOAH atağında hastanede yatarak kısa süreli pulmoner rehabilitasyon etkinliği
A short-term pulmonary rehabilitation in aecopd during hospitalization
ZEHRA SELİM
Tıpta Uzmanlık
Türkçe
2019
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları ve Tüberküloz Ana Bilim Dalı
PROF. PINAR ERGÜN
- Komplikasyonlu diabetes mellituslu hastalarda agmatin düzeylerinin yüksek performanslı sıvı kromatografi (Hplc) yöntemi ile ölçülmesi
Measurement of agmatine levels in patients with complicated diabetes mellitus by high performance liquid chromatography (Hplc) method
NACİ ÖMER ALAYUNT
- Çocuklarda FABP4 gen ekspresyonu ile FABP4 serum düzeylerinin obezite ve insülin dürenciyle ilişkisi
Associations of FABP4 gene expression and FABP4 serum levels to obesity end insulin resistance in children
AYTAÇ YAMAN
Tıpta Uzmanlık
Türkçe
2010
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. HÜLYA GÜNÖZ