Makine öğrenmesi sınıflandırma sürecinde özellik seçim yöntemlerinin uygulanması ve karşılaştırılması
Application and comparison of feature selection methods in the machine learning classification process
- Tez No: 982396
- Danışmanlar: DOÇ. DR. ŞEBNEM ÖZDEMİR, DOÇ. DR. SEDA KARATEKE, DOÇ. DR. OKAN YAŞAR
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstinye Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Özkan, Burak (2025). Makine Öğrenmesi Sınıflandırma Sürecinde Özellik Seçim Yöntemlerinin Uygulanması ve Karşılaştırılması. İstinye Üniversitesi Lisansüstü Eğitim Enstitüsü. Yüksek Lisans Tezi. İstanbul. Özellik seçimi, makine öğrenmesi modellerini ve kullanılabilirliğini iyileştirmek için kullanılan bir veri analizi tekniğidir. Bu teknik, bir veri kümesinde bulunan değişkenlerin bir alt kümesini seçerek hedef değişkeni en iyi tahmin eden değişkenlerin belirlenmesini amaçlar. Bu çalışmanın amacı, DDoS ağ saldırı kayıtlarını içeren 135426 adet eğitim verisi ile 90285 adet test verisi üzerinde özellik seçimi analizlerini gerçekleştirmektir. Çalışma kapsamında, veri kümesi üzerinde yer alan 78 adet özelliği esas alarak bunların sayısını azaltmak amacıyla özellik seçim algoritmalarını kullanarak en uygun olanlarının ortaya çıkarılması planlanmıştır. Bunun için 15 adet filtreleme, sarmal ve gömülü algoritma göz önüne alınmıştır. Öncelikle veri kümesi üzerinde ilk algoritma uygulanmış ve önem sırasına göre 20 adet özellik belirlenerek listelenmiştir. Özellik seçimi yapıldıktan sonra bu özelliklere dayanarak destek vektör makinesi algoritması ile sınıflandırma işlemine tabi tutularak modelin performansı ölçülmüştür. Aynı işlemler tüm özellik seçim algoritmalarına uygulanarak, her biri için sınıflandırma algoritmasının performansları elde edilmiştir. Modelin performansı göz önüne alınarak karşılaştırma yapıldığında en uygun özellik seçim algoritmasının“Özyinelemeli eleme”olduğu, algoritmanın çalışma süresi bir değerlendirme kriteri olarak seçilecek ise bu çalışmada test işlem süresi açısından ilk sırayı“İleri doğru sarmal yöntemi”almaktadır.
Özet (Çeviri)
Ozkan, Burak. (2025). Application and Comparison of Feature Selection Methods in the Machine Learning Classification Process. Istinye University, Institute of Graduate Education, Data Science. Master Thesis, Istanbul. Feature selection is a data analysis technique used to improve the performance and usability of machine learning models. This technique aims to identify the variables that best predict the target variable by selecting a subset of variables from a dataset. The objective of this study is to perform feature selection analyses on 135,426 training data and 90,285 test data containing DDoS network attack records. Within the scope of the study, it is planned to use feature selection algorithms to reduce the number of features based on the 78 features present in the dataset and identify the most suitable ones. For this purpose, 15 filtering, spiral, and embedded algorithms were considered. First, the first algorithm was applied to the dataset, and 20 features were identified and listed in order of importance. After feature selection, the classification process was performed using the support vector machine algorithm based on these features, and the performance of the model was measured. The same procedures were applied to all feature selection algorithms, and the performance of the classification algorithm was obtained for each one. When comparing the performance of the models, the most suitable feature selection algorithm was found to be 'Self-iterative elimination.' If the algorithm's runtime is selected as an evaluation criterion, the 'Forward spiral method' ranks first in terms of test processing time in this study.
Benzer Tezler
- Yapay arı kolonisi algoritması ile özellik seçimi
Feature selection using artificial bee colony algorithm
ZEHRA KIRAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BABALIK
- Obsesif kompulsif bozukluk ve trikotilomani bozukluklarının uygun biyobelirteç kullanılarak makine öğrenme yöntemleri ile sınıflandırılması
Classification of obsessive-compulsive and trichotillomania disorders by using machine learning methods
AYŞE KARAKUŞ
Yüksek Lisans
Türkçe
2019
NörolojiÜsküdar ÜniversitesiNörobilim Ana Bilim Dalı
DOÇ. DR. TÜRKER TEKİN ERGÜZEL
- Makine öğrenmesi ile çevresel tutumların sınıflandırılması: Öznitelik seçimi temelli mühendislik yaklaşımı
Classification of environmental attitudes with machine learning algorithms: An engineering approach based on feature selection
FUAT ALKAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RUKİYE UZUN ARSLAN
DR. ÖĞR. ÜYESİ İREM ŞENYER YAPICI
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT