KARDİYOVASKÜLER HASTALIK TAHMİNİNDE MAKİNE ÖĞRENMESİ SINIFLANDIRMA ALGORİTMALARININ KARŞILAŞTIRILMASI-Reference-Cited by-同舟云学术

KARDİYOVASKÜLER HASTALIK TAHMİNİNDE MAKİNE ÖĞRENMESİ SINIFLANDIRMA ALGORİTMALARININ KARŞILAŞTIRILMASI

Published:2022-09-01 Issue: Volume: Page:
ISSN:1305-7820
Container-title:İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi
language:tr
Short-container-title:

Author:

KABA Gamze¹,BAĞDATLI KALKAN Seda¹

Affiliation:

1. ISTANBUL COMMERCE UNIVERSITY

Abstract

Makine öğrenmesi teknikleri, günümüzde birçok alanda kullanılmakta olup veri yığınlarını sınıflandırmaya ve tahmine dayalı analizler ile veriden faydalı bilgiler çıkarmamıza olanak sağlamaktadır. Gelişen teknoloji ile özellikle sağlık alanında kayıt altına alınan veri sayısında gün geçtikçe ciddi artışlar yaşanmaktadır. Sağlık sektöründe oluşan veri yığınlarının makine öğrenmesi yöntemleri ile analiz edilerek yorumlanması, birçok hastalığın erken teşhisinde önem arz etmektedir. Bu çalışmada Kardiyovasküler Hastalığın erken teşhisine katkı sağlamak için makine öğrenmesi algoritmaları ile çalışmada kullanılan veriler üzerinde en başarılı sınıflandırma tahminini yapan algoritmaya ulaşmak hedeflenmiştir. Bu doğrultuda Naive Bayes, Lojistik Regresyon, Rastgele Ormanlar, K-En Yakın Komşu ve Destek Vektör Makineleri olmak üzere beş farklı makine öğrenmesi yöntemi kullanılarak performansları karşılaştırılmıştır. Böylece en başarılı tahmin performansını veren yöntem tespit edilmiştir. Olası bir kalp hastalığı tahmini üzerine yapılacak olan çalışmalar için makine öğrenmesi algoritmalarından analize uygun yöntem seçiminde fikir vermek amaçlanmıştır. Aynı zamanda, sağlık alanında yapılacak olan benzer çalışmaların güncel tutulması hastalığın erken teşhisine ve tedavisine katkı sağlayabilmektedir. Anahtar Kelimeler: Kardiyovasküler Hastalık, makine öğrenmesi, sınıflandırma algoritmaları

Publisher

Istanbul Ticaret Universitesi

Reference16 articles.

1. Akman, M., Genç, Y., Ankaralı, H. (2011). Random Forests Yöntemi ve Sağlık Alanında Bir Uygulama. Türkiye Klinikleri Journal of Biostatistics. 3(1), 36-48.

2. Alpar, R. (2020). Uygulamalı Çok Değişkenli İstatistiksel Yöntemler. Detay Yayıncılık, Ankara.

3. Altuncu, M. A. (2021). Makine Öğrenmesi ve Derin Öğrenme Yöntemleri Kullanılarak Saldırı Tespit ve Önleme Sistemi Geliştirilmesi [Doktora Tezi]. Kocaeli Üniversitesi Fen Bilimleri Enstitüsü. Kocaeli.

4. Breiman, L. (2001). Random Forests. Machine Learning. 45, 5-32.

5. Cihan, Ş. (2018). Koroner Arter Hastalığı Riskinin Makine Öğrenmesi ile Analiz Edilmesi [Yüksek Lisans Tezi]. Kırıkkale Üniversitesi Fen Bilimleri Enstitüsü. Kırıkkale.

Cited by 2 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Prediction of Heart Attack Risk with Data Mining by Using Blood Tests and Physical Data;EAI/Springer Innovations in Communication and Computing;2024

2. Yazılım Hata Tahmininde Farklı Alt Örnekleme ve Üst Örnekleme Yöntemlerinin Kıyaslanması;Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi;2023-11-20