Atıf Sayısı
21
Görüntüleme
37
İndirme
10
Gelişen ve değişen çevre koşulları, sınırların kalkması ile küreselleşen dünya, farklı pazarlama ve ar-ge (araştırma geliştirme) yöntemleri “veri”nin değil “bilgi”nin önemini her geçen gün daha da artacak şekilde ortaya koymaktadır. İnternetin yaygınlaşması ve kolaylaşması ar-ge ekiplerinin “bilgi”ye erişmelerini zorlaştırmaktadır. İnternette arama motorları kullanılarak yapılan araştırmalar çoğu zaman istenilenden farklı bir şekilde sonuçlanmaktadır. Büyük bir perakendecinin, fatura bilgilerinden müşteri eğilimlerini belirleyip ona göre pazarlama taktikleri üretebilmesi, rakiplerinin önüne geçmesini sağlayacaktır. Verilen örneklere dikkat edilirse, “veri”nin “bilgi”ye dönüşme işleminin vurgulandığı görülecektir. Veri madenciliği, büyük ölçekli veriler arasından bilgiye ulaşma, bilgiyi madenleme işidir. Ya da bir anlamda büyük veri yığınları içerisinden gelecek ile ilgili tahminde bulunabilmemizi sağlayabilecek bağıntıların bilgisayar programı kullanarak aranmasıdır. Veri madenciliği, eldeki verilerden üstü kapalı, çok net olmayan, önceden bilinmeyen ancak potansiyel olarak kullanışlı bilginin çıkarılmasıdır. Veri madenciliği sürecinin çeşitli aşamalarında istatistiksel yöntemler, bellek tabanlı yöntemler, genetik algoritmalar, yapay sinir ağları ve karar ağaçları gibi algoritmalar kullanılabilmektedir. Kalp hastalıkları (kardiyovasküler hastalıklar) bugün dünyanın en yaygın hastalıklarından biridir. Küresel ölçekte kardiyovasküler hastalıkların uzun süre bir numaralı ölüm nedeni olmaya devam edeceği tahmin edilmektedir. Gelişmiş batı ülkelerindeki kardiyovasküler hastalık ölümleri gelişmekte olan ülkelere göre azalma eğilimi göstermektedir. Dünyadaki ölüm oranlarındaki pozitif faktör, kardiyovasküler hastalıklar açısından büyük ölçüde önlenebilir olmalarıdır. Bu nedenle, kalp hastalığı tanısı alan hastaların verilerine dayanarak, metin madenciliği ve algoritmalar kullanılarak kalp-öncesi hastalığı tahmin etmek için çalışma yapılmıştır. Bu çalışma veri madenciliğinin büyük veri setlerinin incelenmesi üzerinde ne kadar büyük bir öneme ve yere sahip olduğunu göstermek için yapılmıştır. Yüzlerce bilginin bulunduğu kalp veri setinden, WEKA programı kullanılarak, çeşitli algoritmalar uygulayarak kişilere kalp hastalığı teşhisi koyma çalışması yapılmıştır. Kalp hastalığının kesin tanısı ve hastalık şiddetinin saptanması için çeşitli uygulamalar ve yöntemler vardır. Bu çalışmada, daha ucuz ve daha etkili bir yaklaşım sağlayabilecek veri madenciliğinin kullanımı incelenmiştir. Bu çalışmada sınıflandırma yöntemleri ve doğru sınıflandırma oranları ile elde edilen sonuçlar karşılaştırılmıştır. Gerekli hesaplamaları ve modelleri elde etmek için ZeroR, OneR, Naive Bayes, J48 Karar Ağacı, Rastgele Orman, Çoklu Algılayıcılar, k-en yakın komşu (k-Nearest Neighbour - k-NN), Lojistik Regresyon, destek vektör makinesi (Support Vector Machine - SVM) gibi sınıflandırma algoritmaları, Weka programında uygulanmıştır. Uygulamanın sonucu olarak kalp hastalığı teşhisinde en iyi sonuçu veren algoritma tespit edilmeye çalışılmıştır. Veri madenciliği algoritmaları ile kalp hastalığını belirleyen birçok farklı çalışma vardır. Ancak yaptığımız incelemelerde, veri setine 9 farklı algoritma uygulayan bir çalışmaya rastlanmamıştır ve bu çerçevede bu çalışma ilk kez bu kadar çok algoritmanın kullanıldığı çalışma olacaktır.
The developing and changing environmental conditions, the globalized world with the rise of boundaries, different marketing and R&D (R&D) methods reveal the importance of "information" and not "data" in a way that increases everyday. The spread and ease of the internet makes it difficult for R&D teams to access "information". Research done using search engines on the Internet often results differently than desired. The ability of a large retailer to determine customer trends from the invoice information and to produce marketing tactics according to it will make it ahead of its competitors. If the given examples are observed, it will be seen that the process of converting "data" to "information" is emphasized. Data mining is the process of accessing information from large-scale data, the process of mining information. Or, in a sense, it is the search for links that can allow us to predict the future from large data volumes using a computer program. Data mining is the extraction of closed, not very clear, unknown but potentially useful information over the data available. In the various stages of the data mining process, algorithms such as statistical methods, memory-based methods, genetic algorithms, artificial nerve networks and decision trees can be used. Heart disease (cardiovascular disease) is one of the most common diseases in the world today. Worldwide, cardiovascular diseases are predicted to remain the number one cause of death for a long time. The number of deaths from cardiovascular diseases in developed Western countries tends to decrease compared to developing countries. The positive factor in mortality rates in the world is that they are largely preventable in terms of cardiovascular diseases. Therefore, on the basis of the data of patients diagnosed with heart disease, studies have been conducted to predict pre-heart disease using text mining and algorithms. This study was done to show how important and important data mining has on the study of large data sets. From a set of heart data that contains hundreds of information, using the WEKA program, various algorithms have been applied to people diagnosing heart disease. There are various practices and methods for the exact diagnosis of heart disease and the determination of the severity of the disease. This study examined the use of data mining that could provide a cheaper and more effective approach. In this study, the results obtained with the classification methods and the correct classification rates are compared. Classification algorithms such as ZeroR, OneR, Naive Bayes, J48 Decision Tree, Rastgele Forest, Multiple Sensors, k-en nearest neighbor (k-Nearest Neighbour - k-NN), Logistics Regression, Support Vector Machine (SVM) are implemented in the Weka program. As a result of the application, the algorithm that gave the best outcome in the diagnosis of heart disease was tried to be identified. There are many different studies that determine heart disease with data mining algorithms. But in our reviews, there was no study that applied nine different algorithms to the data set, and in this context this study will be the first study that so many algorithms were used.
Developing and changing environmental conditions, the globalization of the borders and the globalization of the world, different marketing and R&D (research and development) methods reveal the importance of "information" rather than "data". The widespread and easing of the Internet makes it difficult for R&D teams to access “information”. Research on the internet using search engines often results in a different way than desired. The ability of a large retailer to identify customer trends from the invoice information and produce marketing tactics accordingly will prevent them from getting ahead of their competitors. If attention is given to the examples given, it will be seen that the process of turning “data” into “information” is emphasized. Data mining is the business of accessing and mining information among large-scale data. Or, in a sense, it is the search for the relations that can enable us to make predictions about the future from large data stacks using a computer program. Data mining is the extraction of implicit, unclear, previously unknown but potentially useful information from the available data. At various stages of the data mining process; Algorithms such as statistical methods, memory-based methods, genetic algorithms, neural networks and decision trees can be used. Heart diseases (cardiovascular diseases) are one of the most common diseases in the world today. It is estimated that cardiovascular diseases will continue to be the number one cause of death for a long time on a global scale. Cardiovascular disease deaths in developed western countries show a decreasing tendency in developing countries. The positive factor in mortality rates in the world is that they are largely preventable in terms of cardiovascular diseases. Therefore, based on the data of patients diagnosed with heart disease, the study was carried out to predict pre-cardiac disease by using text mining and algorithms. This study was conducted to show how much importance and place data mining has on the study of big data sets. From the heart data set containing hundreds of information, by using WEKA program, by applying various algorithms, the study was made to diagnose people with heart disease. There are various applications and methods for the definitive diagnosis of heart disease and detection of disease severity. In this study, the use of data mining, which could provide a cheaper and more effective approach, was studied. In this study, the results obtained by classification methods and correct classification rates were compared. In order to obtain the necessary calculations and models, classification algorithms such as ZeroR, OneR, Naive Bayes, J48 Decision Tree, Random Forest, Multiplayer Perceptrons, k-nearest neighbor (k-NN), Logistic Regression, support vector machine (SVM), have been applied in Weka packet program. As a result of the application of the best results in the determination of heart disease algorithm has been tried to be determined. There are many different studies that determine heart disease by data mining algorithms. But there is no study that implements 9 different algorithms to the data set and this paper will be the first one.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
