Solving feature selection problem by a new approach on intelligent multi-objective optimization algorithms
Akilli çok amaçli optimizasyon algoritmalarinda yeni bir yaklaşımla özellik seçimi probleminin çözülmesi
- Tez No: 985125
- Danışmanlar: DOÇ. DR. ÖZLEM VARLIKLAR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Özellik seçimi, özellikle biyomedikal araştırmalarda yüksek boyutlu veri kümeleriyle çalışırken, doğru ve verimli makine öğrenmesi modelleri geliştirmek için kritik öneme sahiptir. En uygun özellik alt kümesinin seçilmesi hesaplama maliyetini düşürür, model performansını artırır ve yorumlanabilirliği geliştirir. Ancak, bu optimal alt kümenin belirlenmesi önemli bir zorluktur. Bu çalışmada, makine öğrenmesi ve metasezgisel optimizasyonu birleştiren yeni hibrit algoritmalar önerilmektedir. Toplamda 131 algoritma test edilmiş, bunların 115'i hibrit algoritma olup birçoğu literatürde ilk kez tanıtılmıştır. Boruta-XGBoost, ANN-KGA, ANN-IKGA ve ANN-NSGA-II yaklaşımları daha az özellik kullanarak yüksek doğruluk elde etmiş ve öne çıkan yöntemler olmuştur. Bodyfat veri setinde yapılan deneylerde, Boruta-XGBoost yalnızca 6 özellik ile 0.88 R² değerine ulaşmıştır. Ayrıca ANN-KGA 6 özellikle 0.845, ANN-IKGA 5 özellikle 0.858 ve ANN-NSGA-II 4 özellik ile 0.849 R² değerine ulaşmıştır. Bu bulgular, 100'den fazla alternatif algoritma ile kıyaslanarak doğrulanmış ve önerilen yöntemlerin etkinliğini ortaya koyarak literatüre yeni hibrit özellik seçme algoritmaları kazandırmıştır.
Özet (Çeviri)
Feature selection plays a critical role in building accurate and efficient machine learning models, especially in biomedical research where datasets often contain high-dimensional features. Selecting the most relevant subset of features reduces computational cost, improves model performance, and enhances interpretability. However, identifying the optimal subset remains a major challenge. In this study, we propose several novel hybrid algorithms that integrate machine learning with metaheuristic optimization. A total of 131 algorithms were tested, including 115 hybrid models, many of which are introduced to the literature for the first time. Among them, Boruta-XGBoost, ANN-KGA, ANN-IKGA, and ANN-NSGA-II produced strong predictive performance with fewer features while maintaining high accuracy. On the body fat dataset, Boruta-XGBoost achieved the best performance with an R² of 0.88 using only 6 features, while ANN-KGA, ANN-IKGA, and ANN-NSGA-II achieved R² values of 0.845, 0.858, and 0.849 using 6, 5, and 4 features, respectively. These results, validated against more than 100 alternative algorithms, highlight the effectiveness of the proposed hybrid approaches and provide valuable contributions to the development of feature selection methods in the literature.
Benzer Tezler
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Veri bilimi ve mühendislik optimizasyon problemlerinin çözümü için yeni bir yaklaşım: Kaotik yapay alg algoritması
A novel approach to solution of data science and engineering optimization problems: Chaotic artificial algae algorithm
BAHAEDDİN TÜRKOĞLU
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSİN KAYA
DR. ÖĞR. ÜYESİ SAİT ALİ UYMAZ
- Sayısal haritaların coğrafi bilgi sistemlerinde kullanılması ve kordinat transformasyonu
The usage of digital maps in geographical information systems and coordinate transformation
HÜSEYİN KURŞUN
Yüksek Lisans
Türkçe
1997
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Ana Bilim Dalı
DOÇ. DR. YUNUS KALKAN
- Sürdürülebilir toplu konut yerleşmesi tasarımı için Pareto genetik algoritmaya dayalı bir model önerisi: SSPM
A model for sustainable site layout design with pareto genetic algorithm: SSPM
YAZGI AKSOY
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
<the use of neural networks in determination of the manufacturing systems design and dispatching rules
TARIK ÇAKAR
Doktora
Türkçe
1997
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN