Relief Özellik Seçim Yöntem Tabanlı Önerilen Hibrit Model ile Kalp Hastalığı Teşhisi

Basit Öğe Kaydı
dc.contributor.authorYılmaz, Atınç
dc.contributor.authorSümer, Eda
dc.date.accessioned2025-03-09T18:07:05Z
dc.date.available2025-03-09T18:07:05Z
dc.date.issued2021
dc.departmentBeykent Üniversitesi
dc.description.abstractBilgi teknolojileri insan hayatının ve günlük yaşantının her alanında önemli bir yer kaplamaktadır. Günümüzde bilgi sistemleri ve teknoloji sayesinde insan sağlığından, endüstriyel ve ekonomik alanlara kadar her alanda fayda sağlanmaktadır. Kan damar hastalıkları, kalp ritmi problemleri ve bunların yanında doğuştan gelen kalp kusurları insan hayatı için önemli ölçüde risk taşıyan kalp hastalıkları başlığı altında yer almaktadır. Bu çalışmada, kalp hastalıklarının cinsiyet, göğüs ağrısı, kolesterol gibi özellikler ele alınarak sık kullanılan makine öğrenmesi yöntemleri olan logistik regresyon (LR), karar ağaçları (KA), çok katmanlı yapay sinir ağları (YSA), K-en yakın komşular (KNN), naif bayes (NB), destek vektör makineleri (SVM) ile Relief özellik çıkarım yöntem tabanlı hibrit bir yöntem önerilerek kalp hastalıkları için tespit analizi yapılmıştır. Uygulanan yöntemlerin performans değerleri birbirleri ile karşılaştırılarak ilgili problem için optimum model ortaya konmuştur. Yapılan değerlendirmeler sonucunda ise önerilen hibrit modelin diğer makine öğrenmesi yöntemlerine göre hem doğruluk performans ölçütleri hem de zamansal açıdan daha iyi sonuç verdiği gözlemlenmiştir.
dc.description.abstractInformation technologies occupy an important place in all areas of human life and daily life. Today, when it comes to information systems and technology, benefits are provided in every field from human health to industrial and economic fields. Blood vessel diseases, heart rhythm problems and congenital heart defects are heart diseases that pose a great risk to human life. In this study, the most widely applied machine learning algorithms such as logistic regression (LR), decision trees (DT), multilayer artificial neural networks (ANN), K-nearest neighbors (K-NN), naive bayes (NB), support vector machines (SVM) were used and proposed Relief feature selection-based hybrid method. The characteristics of heart diseases such as gender, chest pain, cholesterol was considered by using these methods and the results were discussed. The performance values of the applied methods were compared with each other and the optimum model for the related problem was revealed. As a result of the evaluations, it was observed that the proposed hybrid model was achieved better results than other machine learning methods in terms of both accuracy performance measures and process time.
dc.identifier.doi10.31590/ejosat.1017054
dc.identifier.endpage615
dc.identifier.issn2148-2683
dc.identifier.issue31
dc.identifier.startpage609
dc.identifier.urihttps://doi.org/10.31590/ejosat.1017054
dc.identifier.urihttps://hdl.handle.net/20.500.12662/5113
dc.language.isotr
dc.publisherOsman SAĞDIÇ
dc.relation.ispartofAvrupa Bilim ve Teknoloji Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20250309
dc.subjectMakine öğrenmesi
dc.subjectRelief özellik çıkarım
dc.subjectHibrit model
dc.subjectKalp hastalığı
dc.subjectMachine learning
dc.subjectRelief feature extraction
dc.subjectHybrid model
dc.subjectHeart disease.
dc.subjectHeart disease
dc.titleRelief Özellik Seçim Yöntem Tabanlı Önerilen Hibrit Model ile Kalp Hastalığı Teşhisi
dc.title.alternativeDiagnosis of Heart Disease with Proposed Hybrid Model Based on Relief Feature Selection
dc.typeArticle

Dosyalar

Koleksiyon

DergiPark Kayıtları Koleksiyonu