Makine öğrenmesi yöntemleri ile matematiksel modellemeler
Mathematical modelling by machine learning algorithms
- Tez No: 919388
- Danışmanlar: DOÇ. DR. FİLİZ KANBAY
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Matematik Bilim Dalı
- Sayfa Sayısı: 139
Özet
Makine öğrenimi sağlık, eğitim, psikoloji gibi birçok farklı alanda oldukça yaygın olarak kullanılmaktadır. Bu çalışmada makine öğrenimi ile müzikte duygu sınıflandırılması problemi araştırılmıştır. Bu amaç doğrultusunda 9 bölümden oluşan bu çalışmada UCI machine learning Repository sitesinden 50 öznitelik, 4 sınıf etiketi 400 birimden oluşan ve kayıp verisi bulunmayan“ Turkısh Music Emotion”adlı veri seti ele alınarak, Anaconda ortamında, Jupiter Notebook uygulaması ile Python araçları kullanılarak KNN, Naive Bayes, Karar Ağaçları, Rastgele Orman, Boosting (AdaBoost, XGBoost), DVM, Logistik Regresyon algoritmalarından yararlanılmıştır. İlk bölüm literatür özetini, ikinci bölüm ise çalışmada kullanılan tekniklere ait temel bilgileri içermektedir. Üçüncü bölüm veri seti ile kurulan sınıflandırma modellemelerinin başarılarını, dördüncü bölüm ise sınıf etiket sayısı indirgemenin model başarı ölçütü üzerindeki etkilerini incelemektedir. Beşinci ve altıncı bölüm sırası ile denetimsiz boyut azaltma tekniklerinin öznitelikleri gruplandırmadan ve gruplandırarak uygulanmasının sınıflandırma üzerine etkilerini içermektedir. Yedinci ve sekizinci bölüm ise sırasıyla denetimli boyut azaltma tekniklerinin öznitelikleri gruplandırmadan ve gruplandırarak uygulanmasının sınıflandırma üzerindeki sonuçlarını kapsamaktadır. Yapılan tüm işlemler ve incelenen algoritmaların model başarıları grafikler ile özetlenmiştir.
Özet (Çeviri)
Machine learning is widely used in many different fields such as health, education, psychology. In this study, the problem of emotion classification in music was investigated with machine learning. For this purpose, in this study consisting of 9 sections, a data set called“Turkish Music Emotion”consisting of 50 attributes from the UCI machine learning Repository site, 4 class tags, 400 units and no lost data was taken into account and KNN, Naive Bayes, Decision Trees, Random Forest, Boosting (AdaBoost, XGBoost), SVM, Logistic Regression algorithms were used in the Anaconda environment using Python tools with the Jupiter Notebook application. The first part contains a summary of the literature, and the second part contains basic information about the techniques used in the study. The third part examines the achievements of classification modeling established with the data set, and the fourth part examines the effects of reducing the number of class labels on the model success criterion. The fifth and sixth sections, respectively, contain the effects of applying unsupervised size reduction techniques without grouping and grouping attributes on classification. The seventh and eighth chapters cover the results of applying supervised size reduction techniques without and by grouping attributes on classification, respectively. All the operations performed and the model achievements of the algorithms studied are summarized with graphs.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile eğitim başarısına etki eden faktörlerin matematiksel modellemesi
Mathematical modelling of the effects on educational success by machine learning algorithms
ZEYNEP BAKAN
Yüksek Lisans
Türkçe
2024
MatematikYıldız Teknik ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. FİLİZ KANBAY
- Application of statistical methods in the analyses of foster family
Koruyucu aile analizlerinde istatistiksel metodların kullanımı
GİZEM ATAR
Yüksek Lisans
İngilizce
2023
Sosyal HizmetOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. VİLDA PURUTÇUOĞLU
- Kuvvetli yer hareketi altında suya doygun kumlarda oluşabilecek oturmaların sayısal analizlerle incelenmesi ve makine öğrenmesiyle değerlendirilmesi
Investigation of settlements in saturated sands under strong ground motion by numerical analysis and evaluation by machine learning
OZAN SUBAŞI
Doktora
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP İYİSAN
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- Makine öğrenme problemlerinde konveks olmayan optimizasyon modellerinin iki konveks fonksiyonunun farkı ve ikinci derece konik progromlama ile modellenmesi
Difference of convex functions programming and second-order conic programming modelling of non-convex optimization problems in machine learning
DUYGU ÜÇÜNCÜ
Doktora
Türkçe
2024
MatematikYıldız Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. ERDAL GÜL
PROF. DR. SÜREYYA AKYÜZ