Normalizasyon Tekniklerinin Biyomedikal Verilerde Sınıflama Başarısına Etkisi

Basit Öğe Kaydı
dc.authorid0000-0003-3275-1944en_US
dc.contributor.advisorÖzkan, Ali Osman
dc.contributor.authorYüce, Hakan
dc.date.accessioned2021-08-19T12:27:41Z
dc.date.available2021-08-19T12:27:41Z
dc.date.issued2021en_US
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalıen_US
dc.descriptionYüksek Lisans Tezien_US
dc.description.abstractSon zamanlarda yapay zekâ uygulamaları askeri, ekonomi, tıp, v.b. gibi birçok alanda etkin olarak kullanılmaktadır. Özellikle sağlık sektöründe bilgisayarlarda saklanan hastalara ait verilerden hastaya ait teşhisi tahmin etme yapay zekâ uygulamalarından bir tanesidir. Fakat bilindiği gibi bu saklanan veriler çok büyük boyutlara sahip olup eşit derecede incelenmesi sonucu en doğru şekilde tahmin etmemize olanak sağlayacaktır. Bu verilerin daha etkin kullanılması için normalizasyon yöntemleri kullanılmaktadır. Bu çalışmada, diyabet hastalığı veri seti, göğüs kanseri hastalığı veri seti, karaciğer hastalığı veri seti ve kalp hastalığı veri setine minimum-maksimum (min-mak) normalizasyon yöntemi, ondalık ölçekleme normalizasyon yöntemi, z-skor normalizasyon yöntemi ve norm normalizasyon yöntemi uygulanmış ayrıca bu veri setleri normalize edilmeden de değerlendirilmiştir. Daha sonra normalize edilmiş ve ham verilere, 4 farklı k-kat çaprazlama (2,5,10,20) kriterinde yapay sinir ağları (YSA), karar ağacı (KA), destek vektör metodu (DVM), k en yakın komşu (k-NN) ve Naive Bayes gibi çeşitli sınıflandırma algoritmalarıyla ORANGE programı kullanılarak sınıflandırma işlemi yapılmış ve sınıflama doğrulukları değerlendirilmiştir. Sonuçlar istatiksel olarak incelenmiş ve normalizasyon yöntemlerinin yapay zekâ sınıflandırma yöntemlerinin performansını artırabileceği gözlenmiştir.en_US
dc.description.abstractRecently, artificial intelligence applications have been used effectively in many areas such as military, economics, medicine… Especially, in the healthcare sector, it is one of the applications of artificial intelligence to predict a patient's diagnosis from data stored on computers. However, as is known, these stored data have very large dimensions and will allow us to estimate the outcome in the most accurate way if they are evaluated equally. For more efficient use of this data, normalization methods are used. In this study, the diabetes data set, breast cancer disease data set, liver disease data set and heart disease data set are normalized with minimum and maximum (min-max) normalization method, decimal scaling normalization method, z-score normalization method, norm normalization method and these data sets are also evaluated without normalizing. These normalized data sets and raw data sets were then classified using ORANGE program with various classification algorithms such as artificial neural networks (YSA), decision tree (KA), support vector method (DVM), k nearest neighbor (k-NN) and Naive Bayes in 4 different k-fold crossover criteria (2,5,10,20) and classificaition accuracies were evaluated. The results were analyzed statistically and it was observed that normalization methods can improve the performance of artificial intelligence classification methods.en_US
dc.identifier.citationYüce, H. (2021). Normalizasyon tekniklerinin biyomedikal verilerde sınıflama başarısına etkisi. (Yayınlanmamış Yüksek Lisans Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Elektrik Elektronik Mühendisliği Anabilim Dalı, Konya.en_US
dc.identifier.endpage91en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/7703
dc.language.isotren_US
dc.publisherNecmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectYapay zekâen_US
dc.subjectmin-mak normalizasyon yöntemien_US
dc.subjectondalık ölçekleme normalizasyon yöntemien_US
dc.subjectz-skor normalizasyon yöntemien_US
dc.subjectnorm normalizasyon yöntemien_US
dc.subjectYSAen_US
dc.subjectDVMen_US
dc.subjectKAen_US
dc.subjectk-NNen_US
dc.subjectNaive Bayesen_US
dc.subjectORANGE programıen_US
dc.subjectArtificial intelligenceen_US
dc.subjectmin-max normalization methoden_US
dc.subjectdecimal scaling normalization methoden_US
dc.subjectz-score normalization methoden_US
dc.subjectnorm normalization methoden_US
dc.subjectANNen_US
dc.subjectSVMen_US
dc.subjectDTen_US
dc.subjectNaïve Bayesen_US
dc.subjectORANGE programen_US
dc.titleNormalizasyon Tekniklerinin Biyomedikal Verilerde Sınıflama Başarısına Etkisien_US
dc.title.alternativeEffect of Normalization Techniques on Classification Success in Biomedical Dataen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
hakan yüce.pdf
Boyut:
2.42 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Yüksek Lisans Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu