Görüntüleme
13
İndirme
4
Kalp hastalıkları ölüm oranı bakımından bütün hastalıklar arasında ilk sırada yer alır. Hastalığın kesin tedavisi olmamakla birlikte doğru teşhis hastaların hayatta kalma süresi ve yaşam kalitesine olumlu yönde etki eder. Bugüne kadar kalp hastalıklarının teşhisi için çeşitli klinik yöntemler kullanılmıştır. Son dönemde hastalığın teşhisi için makine öğrenmesi algoritmaları da kullanılmaktadır. Bu kapsamda yaptığımız çalışmada kalp hastalığı teşhisi için KNN sınıflayıcı kullanılmıştır. Algoritmanın sınıflandırma başarısını iyileştirmek için optimum parametreler bulunmaya çalışılmıştır. KNN algoritması için ilk parametre uzaklık yöntemidir ve bu parametre için Manhattan, Euclidean, Chebyshev ve Cosine ölçümleri tercih edilmiştir. Diğer parametre komşu sayısıdır ve en uygun komşu sayısını tespit edebilmek için 1…15 arasındaki tek sayılar denenmiştir. Kalp hastalıklarını sınıflandırmak için kullandığımız KNN algoritması C++ programlama dilinde kodlanmış ve çalıştırılmıştır. Model değerlendirme aşamasında UCI Statlog (Heart) veriseti kullanılmış ve sonuçlar doğruluk ve ROC analizine dayalı olarak elde edilmiştir. KNN algoritması ile elde edilen en yüksek sınıflandırma doğruluğu %100 ve en yüksek AUC değeri 1,00 olarak ölçülmüştür. Bu değer Chebyshev uzaklık ölçümü ve komşu sayısının 7 olduğu durumda elde edilmiştir.
Heart diseases are ranked first among all diseases in terms of mortality. Although there is no precise treatment for the disease, the correct diagnosis affects the patient’s survival time and quality of life in a positive way. Many clinical methods have been used for the diagnosis of heart disease. In recent years, machine learning algorithms are also used to diagnose the disease. In this study we have used the KNN classifier for the diagnosis of heart disease. Optimal parameters have been tried to improve the classification success of the algorithm. The first parameter for the KNN algorithm is the distance method, and Manhattan, Euclidean, Chebyshev and Cosine measurements are preferred for this parameter. The other parameter is the number of neighbors and the only numbers between 1 and 15 are tested to identify the most suitable number of neighbors. The KNN algorithm we use to classify heart disease is coded and run in C++ programming language. In the model evaluation phase, the UCI Statlog (Heart) data was used and the results were obtained based on accuracy and ROC analysis. The highest classification accuracy obtained by the KNN algorithm is measured as 100% and the highest AUC value as 1,00. This value is obtained if the Chebyshev distance measurement and the neighbor’s number is 7.
Alan : Mimarlık, Planlama ve Tasarım; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
