Comparison of K Nearest Neighbours And Regression Tree Classifiers Used With Clonal Selection Algorithm To Diagnose Haematological Diseases

Authors : Burcu ÇARKLI YAVUZ, Tuba KARAGÜL YILDIZ, Nilüfer YURTAY, Ziynet PAMUK

Pages : 7-20

Doi:10.5824/1309-1581.2014.3.001.x

View : 13 | Download : 8

Publication Date : 2014-07-01

Article Type : Research Paper

Abstract :Bu çalışmanın amacı Hematolojik parametrelere bağlı sınıflandırma performansını artıracak bir yöntem geliştirmektir. Sınıflandırma problemlerinde Klonal Seçim Algoritması ile birlikte genellikle kNN sınıflandırıcısının kullanıldığı görülmüştür. Bu çalışmada diğer çalışmalardan farklı olarak kNN sınıflandırma algoritmasının yerine Gini algoritması uygulanmıştır ve daha yüksek başarı elde edilmiştir. Dünya sağlık örgütünün verilerine göre dünyadaki kadınların yaklaşık %10`u anemidir. Anemi hayat kalitesini düşüren ve tedavi edilmediğinde ciddi etkileri olan bir hastalıktır. Demir eksikliği anemisi aneminin en yaygın tipidir ve kadınlar erkeklere oranla bu hastalıktan daha fazla etkilenmektedir. Bu nedenle bu çalışmada örnek uygulama için anemi tercih edilmiştir. Hematolojik parametrelere bakarak tanı koyulan diğer hastalıklarda da önerilen metodun başarılı sonuçlar üreteceği beklenmektedir. Çalışmanın sonunda farklı yöntemlerle elde edilen başarı oranları ROC analizi yöntemiyle karşılaştırılmıştır. Bellek tabanlı sınıflandırıcı ile doğruluk oranı %96 olarak bulunurken Regresyon ağacı yöntemiyle doğruluk oranı %98.73 elde edilmiştir. Klonal Seçim Algoritmasında sınıflandırıcı olarak kNN yerine Gini algoritmasının kullanılması ile, Yapay Sinir Ağları metodlarından da daha yüksek başarı elde edilmiştir.
Keywords : Bilgisayar Destekli Tanı, K En Yakın Komşu, Klonal Seçim Algoritması, Regresyon Ağaçları, Yapay Sinir Ağları