Anne Sağlığı Riski İçin Makine Öğrenmesi Modellerinin Performans Karşılaştırması

Authors : Fatih Şahin, Gökalp Tulum, Şeyma Karaca

Pages : 547-553

Doi:10.24012/dumf.1325431

View : 148 | Download : 224

Publication Date : 2023-12-31

Article Type : Research Paper

Abstract :Sağlık sektöründe hastalıkların teşhisi için yapay zekânın alt dallarından olan makine öğrenmesi oldukça yaygın kullanılmaktadır. Çalışmada anne sağlığı riski üzerine bir veri seti kullanılarak hamilelikte risk üzerine sınıflandırma çalışması yapılması amaçlanmıştır. Çalışmada, makine öğrenmesi algoritmalarından lineer regresyon, destek vektör makineleri, karar ağacı algoritması, rastgele orman algoritması, çok katmanlı algılayıcı, naive bayes sınıflandırıcısı, k-en yakın komşu algoritması ve XGBoost sınıflandırıcısı kullanılmıştır. Aynı zamanda her bir algoritma için temel bileşenler analizi (PCA) ve lineer diskriminant analizi (LDA) uygulanmış olup oluşturulan modellerin doğruluk oranlarına bakılarak tahminde bulunulmuştur. Yapılan tahmin sonucunda en yüksek doğruluk oranı %84 ile rastgele orman algoritmasından, PCA dönüşümü kullanılarak yapılan tahmin sonucuna göre en yüksek doğruluk oranı %82 ile rastgele orman algoritması ve K-en yakın komşu algoritmasından ve LDA dönüşümü kullanılarak yapılan tahmin sonucuna göre ise en yüksek doğruluk oranı %85 ile karar ağacı algoritması ve K-en yakın komşu algoritmasından elde edilmiştir. Sınıflandırma işleminde LDA dönüşümünün daha yüksek sonuç elde ettiği görülmektedir.
Keywords : Anne Ölümleri, Anne Sağlığı Riski Tahmini, Makine Öğrenmesi, Sınıflandırma Algoritmaları Karşılaştırması, Yapay Zekâ