Sağlık Bilimlerinde Yapay Zekâ Algoritmalarında Denetimsiz Öğrenme
| dc.contributor.author | Taş, Özge | |
| dc.contributor.authorID | 0000-0001-7220-5054 | en_US |
| dc.contributor.department | Kapadokya Üniversitesi | en_US |
| dc.date.accessioned | 2025-07-23T06:26:00Z | |
| dc.date.available | 2025-07-23T06:26:00Z | |
| dc.date.issued | 2024 | |
| dc.department | Kapadokya Üniversitesi | |
| dc.description.abstract | Bu çalışma yapay sinir ağları yönteminde sınıflandırma yapısının kullanılması ve uygulanmasını içermektedir. Araştırma, diyabet tahmini veri seti olup, hastalardan diyabet durumları, tıbbi ve demografik değişkenlerden oluşmaktadır. Veriler yaş, cinsiyet, vücut kitle indeksi, hipertansiyon durumları, kalp hastalığı, sigara içme öyküsü, Hba1c (glise hemoglobin) seviyesi ve kan şekeri seviyesi özelliklerini içermektedir. Veriler kaggle.com adresinden elde edilmiştir. Veri setinde eksik gözlem değeri yoktur. Veriler kaggle.com adresinden elde edilmiştir. Verilerin analizinde Yapay Sinir Ağları modelinde sınıflandırma algoritması kullanıldı. Analizde 1000 toplam gözlem sayısı kullanıldı. YSA çalışma prensibine göre bunun %’60i eğitim %20’si test verileri için ayrılmıştır. Veri setinde diyabet hasta olma ya da olmaması durumunu araştırmaya yönelik olarak yaş, cinsiyet gibi demografik özellikler ve tıbbi değişkenlerden olmak üzere 9 nicelik bulunmaktadır. Araştırmada 1000 gözlemli diyabet hastası olan kişilere ait verilerden rasgele olmak üzere %60’i eğitim, %20’si test ve %20’si ise holdout veri olarak ayrılmıştır. YSA ile sınıflandırma gerçekleştirildiğinde 1 gizli katmanlı 8 birimlik sinir ağı oluşturuldu. Sinir ağı incelendiğinde HbA1c seviyesi ile diyabet bağımlı değişkenin tahmininde diğer değişkenlere göre daha fazla öneme sahip olduğu bulunmuştur. Sınıflandırma sonuçları incelendiğinde eğitim veri seti için 17 gözlem yanlış sınıflandırılmış, diyabet hastası olmayan %99,8 i ve diyabet hastası olan %69,8’i ise doğru sınıflandırılmıştır. Test verisi için 5 gözlem yanlış sınıflandırılmış, diyabet hastası olmayan kişilerin %99,4’ü ,diyabet hastası olanların ise %55,6’sı doğru sınıflandırılmıştır. Holdout veri setinde 8 gözlem yanlış sınıflandırıldı ve diyabet hastası olan kişilerin %100’ü doğru sınıflandırılırken, diyabet hastası olmayanların %60’ı doğru sınıflandırıldığı bulunmuştur. ROC eğrisi incelendiğinde modelin anlamlılığı test edilmiştir. | |
| dc.identifier.endpage | 150 | en_US |
| dc.identifier.startpage | 124 | en_US |
| dc.identifier.uri | https://www.duvaryayinlari.com/icerik/e-kitaplar/teori-ve-uygulamada-doga-bilimleri-ve-matematik-editorler-prof-dr-aydin-rusen-dr-ogr-uyesi-abdulkadir-dilber-isbn-978-625-5530-51-6 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12695/3674 | |
| dc.institutionauthor | Taş, Özge | |
| dc.institutionauthorid | 0000-0001-7220-5054 | |
| dc.language.iso | tr | |
| dc.publisher | Duvar Yayınları | |
| dc.relation.ispartof | TEORİ VE UYGULAMADA DOĞA BİLİMLERİ VE MATEMATİK | |
| dc.relation.journal | TEORİ VE UYGULAMADA DOĞA BİLİMLERİ VE MATEMATİK | en_US |
| dc.relation.publicationcategory | Kitap Bölümü - Uluslararası | en_US |
| dc.rights | info:eu-repo/semantics/closedAccess | |
| dc.rights.uri | http://creativecommons.org/publicdomain/zero/1.0/ | * |
| dc.subject | Kümeleme, Sinir Ağları, Yapay Zeka Algoritmaları | en_US |
| dc.title | Sağlık Bilimlerinde Yapay Zekâ Algoritmalarında Denetimsiz Öğrenme | en_US |
| dc.type | Book Chapter |
