Görüntüleme
3
İndirme
1
Bilgi 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.
Information technology plays an important place in every field of human life and everyday life. Today, through information systems and technology, it is beneficial in all areas, from human health to industrial and economic areas. Blood and blood vessels, heart rhythm problems and inherent heart defects are under the title of heart diseases that are significantly at risk for human life. In this study, logistical regression (LR), decision trees (KA), multi-layer artificial nerve networks (YSA), K-most close neighbors (KNN), naif bayes (NB), support vector machines (SVM) and relief characteristics extraction methods, which are commonly used machine learning methods, and a hybrid method of detection for heart diseases was recommended. The optimum model for the problem is shown by comparing the performance values of the methods applied to each other. The results of the assessments were observed that the recommended hybrid model, according to other machine learning methods, has both accuracy performance standards and timely better results.
Information 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.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
