Farklı makine öğrenmesi algoritmalarının karşılaştırılması
Comparison of different machine learning algorithms
- Tez No: 494841
- Danışmanlar: PROF. DR. SERMİN ELEVLİ, YRD. DOÇ. DR. TUNCAY ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Makine Öğrenmesi, matematiksel ve istatistiksel yöntemler kullanarak mevcut verilerden çıkarımlar yapan, bu çıkarımlarla bilinmeyene dair tahminlerde bulunan bir veri madenciliği yöntemidir. Probleme yaklaşımlarına göre farklılık gösteren (sınıflandırma, tahmin, kümeleme) ve bu yüzden farklı problemlerde farklı başarılara sahip olan birçok makine öğrenmesi yöntemi bulunmaktadır. Geçmiş verilerin hangi sınıftan olduğu biliniyorsa, yeni gelen verinin hangi sınıfa ait olacağı makine öğrenmesi algoritmaları kullanılarak tespit edilebilmektedir. Bu tez çalışmasında bir sınıflandırma problemi üzerinde durulmuştur. Çalışmada, dört temel sınıflandırma algoritması (Karar Ağacı, Destek Vektörü Makineleri, Naive Bayes, Yapay Sinir Ağları) sunulmuş ve hazır veri setindeki performansları karşılaştırılmıştır. Naive Bayes Algoritmasının, veri setinde uygulanan diğer sınıflandırma yöntemlerinden daha iyi performans (%70,29) gösterdiği tespit edilmiştir. Çalışmada ayrıca temel sınıflandırma algoritmalarının performansını artırmak amacıyla, genetik algoritma ile melez modelleri önerilmiş ve performansları karşılaştırılmıştır. Genetik Algoritmalı Karar Ağacı (GA-KA) Algoritmasının en yüksek performans değerine (%92,57) sahip melez model olduğu tespit edilmiştir.
Özet (Çeviri)
Machine learning is a methods that make inferences from existing data using mathematical and statistical methods and that are inferred from these inferences. They may differ according to the probing approaches and thus may have different successes in different problems (classification, prediction, clustering). In this thesis study, a classification problem is emphasized. If the former data (information) is known in which class,it is possible to identify to which class the data is to be included by using certain machine learning algorithms. In this thesis, it is presented 4 classification algorithms (Decision Tree, Naive Bayes, Support Vector Machine and Artificial Neural Network) and compared their performance on the standard dataset which was obtained from a database. Naive Bayes Algorithm performed better performance (70.29%) than the other methods. In addition to these traditional classification algorithms, their hybrid algorithm models with Genetic Algorithm were presented and were compared. Results of the four classification algorithms were evaluated in terms of classification performance. According to the findings, Decision Tree with Genetic Algorithm (GA-DT) model performed better performance (92.57%) the other classification methods applied on dataset.
Benzer Tezler
- Yüksek boyut düşük örneklem genişliği durumunda sınıflama algoritmalarının performanslarının karşılaştırılması
A comparison of performances of classification algorithms in high dimension low sample size settings
ÜLGER AYDOĞAN CULHA
Doktora
Türkçe
2015
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. ERDEM KARABULUT
- Az örnekle öğrenme problemlerinde derin öğrenme temelli meta-öğrenme algoritmalarının karşılaştırılması
Comparison of deep learning based meta-learning algorithms on few-shot learning problems
MUHAMMET ALKAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYLA GÜLCÜ
- Comparison of prediction algorithms for student performance prediction
Öğrenci performansının öngörülmesi için tahmin algoritmalarının karşılaştırılması
AMADOU BAH
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
Assist. Prof. ZİYA KARAKAYA
PROF. DR. ALİ YAZICI
- Saldırı tespit sistemleri için makine öğrenme yöntemlerinin performans karşılaştırması
Performance comparison of machine learning methods for attack detection systems
CİHAT GÜRMEN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM BERKAN AYDİLEK
- Çeşitli çekirdek fonksiyonları ile oluşturulan destek vektör makinesi modellerinin performanslarının incelenmesi: Bir klinik uygulama
The performance exploration of support vector machines models constructed with various kernel functions: A clinical application
EMEK GÜLDOĞAN
Doktora
Türkçe
2017
İstatistikİnönü ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. CEMİL ÇOLAK
PROF. DR. BAHAR TAŞDELEN