Geri Dön

Sınıflandırma yöntemleri ve sağlık araştırmalarında uygulamaları

Classifications methods and applications in health research

PDF İndir

  1. Tez No: 971866
  2. Yazar: ZUHAL UZUN
  3. Danışmanlar: PROF. DR. HAYAL BOYACIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada veri madenciliği sınıflandırma yöntemleri ele alınmış, buna ilişkin olarak; J48, k-en yakın komşuluk (KNN), Lojistik Regresyon (LR), Naive Bayes (NB), Random Forest (RF) ve Destek Vektör Makineleri (SVM) sınıflandırma yöntemi algoritmaları incelenmiştir. Ayrıca çalışmada kullanılan yazılım programlarından, WEKA, RapidMiner ve Orange programları hakkında bilgi verilmiştir. Çalışmanın amacı, farklı sınıflandırma yöntemlerini farklı yazılım programları kullanarak algoritmaların performanslarının karşılaştırılmasıdır. Çalışmanın uygulama bölümü Mendeley data sitesinden UCTH Breast Cancer veri seti kullanılarak gerçekleştirilmiştir. Veri seti 120'si iyi huylu 93'ü kötü huylu tümör teşhisi konulan toplam 213 meme kanseri hastası gözleminden oluşmaktadır. Çalışma kapsamında elde edilen sonuçlara göre kullanılan yazılım programları birbirine yakın sonuçlar vermekle birlikte, doğruluk ölçütüne göre en yüksek değer, %95.71 ile WEKA programında uygulanan KNN algoritması olmuştur. Yine WEKA programında uygulanan KNN algoritması, %97.6 duyarlılık ölçütü değeri ile, %96.4 F-ölçütü değeri ve %91.1 kappa istatistiği değeri ile en yüksek sonucu vermiştir. %97.3 sonucu ile kesinlik ve %96.4 sonucu ile özgünlük ölçütüne göre WEKA yazılımındaki Random Forest en yüksek değerlere sahip olmuştur. ROC eğrisi altında kalan alana göre (AUC) en yüksek değeri %98.1 ile WEKA'da uygulanan Lojistik Regresyon yöntemi vermiştir.

Özet (Çeviri)

In this study, data mining classification methods were discussed, specifically focusing on the algorithms J48, k-Nearest Neighbors (KNN), Logistic Regression (LR), Naive Bayes (NB), Random Forest (RF), and Support Vector Machines (SVM). Additionally, information was provided on the software tools used in the study, namely WEKA, RapidMiner, and Orange. The aim of the study is to compare the performance of different classification algorithms using various software tools. The application part of the study was conducted using the UCTH Breast Cancer dataset obtained from the Mendeley Data repository. The dataset consists of observations from 213 breast cancer patients, 120 diagnosed with benign tumors and 93 with malignant tumors. According to the results obtained, although the software tools produced relatively similar outcomes, the highest accuracy rate was achieved using the KNN algorithm implemented in WEKA, with a value of 95.71%. The same algorithm in WEKA also yielded the highest values in terms of sensitivity (97.6%), F-measure (96.4%), and kappa statistic (91.1%). In terms of precision (97.3%) and specificity (96.4%), the Random Forest algorithm in WEKA showed the best performance. Regarding the area under the ROC curve (AUC), the highest result was obtained with Logistic Regression in WEKA, with a value of 98.1%.

Benzer Tezler

  1. Tez No

    985688

    Retrospektif kohort çalışmaları için yapay zeka destekli kullanıcı arayüzü geliştirilmesi: Nükleer tıp alanında bir vaka çalışması

    Development of an artificial intelligence- assisted user interface for retrospective cohort studies: A case study in nuclear medicine

    ABDURRAHMAN RAJAB

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgi ve Belge YönetimiMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ SARIKAŞ

    DOÇ. DR. RABİA LEBRİZ USLU BEŞLİ

  2. Tez No

    791326

    Analysis of hyperspectral images with deep learning methods

    Derin öğrenme yöntemleriyle hiperspektral görüntülerin analizi

    EKREM TARIK KARAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ZÜMRAY ÖLMEZ

  3. Tez No

    732793

    Aircraft detection using deep learning

    Derin öğrenme kullanarak hava aracı tespiti

    UTKU MUTLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. SEDEF KENT PINAR

  4. Tez No

    1005445

    Makine öğrenmesi yöntemlerinin kasık fıtığı cerrahisi sonrası uzamış hastane yatışı riskinin tahminindeki performanslarının incelenmesi

    Evaluation of the performance of machine learning methods in predicting the risk of prolonged hospital stay after inguinal hernia surgery

    ZAHİDE ERDEM

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    BiyoistatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. HATİCE ÖNCEL ÇEKİM

  5. Tez No

    925270

    Derin öğrenme yöntemleri kullanarak kardiyovasküler hastalıkların tahmini ve yorumlanması

    Prediction and interpretation of cardiovascular diseases using deep learning methods

    ALİ VIRIT

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ ÖTER

Geri Dön