POLİNOM TABANLI SVM ALGORİTMALARINDA HİPER-PARAMETRE OPTİMİZASYONU ve UYGULAMASI

Authors : Hamit Armağan

Pages : 220-229

View : 63 | Download : 55

Publication Date : 2023-12-31

Article Type : Research Paper

Abstract :Bu çalışmada, destek vektör makinelerinin (SVM) farklı polinom çekirdeklerini içeren regresyon analizleri ele alınmıştır. Linear-svm, quadratic-svm ve cubic-svm regresyon algoritmaları kullanılarak her bir modelin performansı, Box-Constraint, Kernel Scale, Epsilon ve Standardize parametreleri üzerinde gerçekleştirilen optimizasyon süreciyle incelenmiştir. Bu parametrelerin doğru bir şekilde ayarlanması, modelin hata ve yaklaşım metrikleri için kritik önem taşımaktadır. Optimizasyon süreci, Bayesian Optimization algoritması kullanılarak Matlab Regression Learner ile gerçekleştirilmiştir. Hiperparametre optimizasyonu yapılmış polinom tabanlı regresyon modelleri, bitkilerde besin elementlerinin eksikliğini yüksek doğrulukla tahmin edebilmektedirler. Özellikle yapraklardaki kalsiyum miktarının doğru bir şekilde belirlenmesi, elma ağaçlarında meyve gelişim döneminde gübreleme başarısını artırmak açısından önem taşımaktadır. Çalışmamızın uygulama bölümünde yaprak yüzeylerinin sayısallaştırılması ile elde edilen veri setleri ile kimyasal laboratuvar analizlerinden elde edilen veri seti modellenmiştir. SVM algoritmaları kullanılarak yapılan bu çalışma, maliyet ve zaman açısından kimyasal yöntemlere göre daha verimli bir model sunmaktadır.
Keywords : makine öğrenmesi, svm, bayesian optimization