Makine öğrenmesi algoritmaları ile kalp hastalığı tahmini
| dc.contributor.advisor | Firlar, Talat | |
| dc.contributor.author | Aktaş, Yüksel | |
| dc.date.accessioned | 2025-03-10T18:50:05Z | |
| dc.date.available | 2025-03-10T18:50:05Z | |
| dc.date.issued | 2024 | |
| dc.department | Enstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı | |
| dc.description.abstract | Günümüzde çok daha hızlı bilgisayarların geliştirilmesi ile makine algoritma sistemleri de bir o kadar geliştirilerek yapay zekânın sağlık sektöründe kullanımı ciddi oranda artmıştır. Bu algoritmaların tıp alanında kullanımı önemli gelişmelere yol açmıştır. Kalp hastalıklarının tedavi edilmesi adına teşhisinde de yapay zeka teknikleri çok sıklıkla kullanılmaktadır. Tez çalışmasında yapay zekanın alt dallarından olan makine öğrenmesi kullanılarak, bir sınıflandırma problemi olarak kalp hastalığına ait olan bir veri seti alınarak, bu veri setindeki hastaların kalp hastası olma olasılıkları üzerine bir tahminleme yapılmıştır. Elde edilen veri seti denetimli öğrenme sisteminin alt algoritmaları ile eğitimi gerçekleştirilerek her sınıflandırma algoritması ile ayrı ayrı model oluşturulmuş ve daha sonra oluşturulan bu modeller ile test veri seti karşılaştırılarak kalp hastalığı tahmini yapılmıştır. Uygulama olarak KNIME Analytics Platform kullanılmıştır. Sınıflandırma algoritmalarından ise LPROP Çok Katmanlı Algoritma, K-Means Kümeleme, Destek Vektör Makineleri, Naive Bayes, Karar Ağacı, Lojistik Regresyon, sinir ağları algoritmaları ile toplu öğrenme yöntemleri kullanılmıştır. Uygulama ile yapılan deneme ve testlerde alınan sonuçlara göre test veri setinin doğruluk oranı değerlendirildiğinde en yüksek doğruluk oranlarına %85,26 oran ile Naive Bayes yöntemi ile ulaşılmıştır. Yapılan çalışmada tahminlere ait hata matrisleri de değerlendirmeye alınarak tablolar halinde gösterilmiştir. | |
| dc.description.abstract | Nowadays, with the development of much faster computers and machine algorithm systems, the use of artificial intelligence in the healthcare sector has increased significantly. The use of these algorithms in the field of medicine has led to significant developments. Artificial intelligence techniques are frequently used in the diagnosis and treatment of heart diseases. In the thesis study, using machine learning, one of the sub-branches of artificial intelligence, a data set of heart disease was taken as a classification problem and a prediction was made on the probability of the patients in this data set to have heart disease. The obtained data set was trained with the sub-algorithms of the supervised learning system, a separate model was created with each classification algorithm, and then heart disease was predicted by comparing these created models with the test data set. KNIME Analytics Platform was used as the application. Among the classification algorithms, LPROP Multilayer Algorithm, K-Means Clustering, Support Vector Machines, Naive Bayes, Decision Tree, Logistic Regression, neural network algorithms and collective learning methods were used. When the accuracy rate of the test data set was evaluated according to the results obtained in the trials and tests carried out with the application, the highest accuracy rate was achieved with the Navi Bayes method with a rate of 85.26%. In the study, the error matrices of the predictions were also evaluated and shown in tables | |
| dc.identifier.endpage | 74 | |
| dc.identifier.startpage | 1 | |
| dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=LY6e5xGA7WWUpEdrBmEPLhH-cwcOQRQ8dKRa8PcF1em8VXPZ1L9NqwwqRkKVPtuM | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12662/7036 | |
| dc.identifier.yoktezid | 909836 | |
| dc.institutionauthor | Aktaş, Yüksel | |
| dc.language.iso | tr | |
| dc.publisher | İstanbul Beykent Üniversitesi | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.snmz | KA_TEZ_20250310 | |
| dc.subject | Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol | |
| dc.subject | Computer Engineering and Computer Science and Control | |
| dc.title | Makine öğrenmesi algoritmaları ile kalp hastalığı tahmini | |
| dc.title.alternative | Heart disease prediction with machine learning algorithms | |
| dc.type | Master Thesis |
