Şeker hastalığı teşhisi ve önerilen modellerinin karşılaştırılması

Authors : Merve KORKMAZ, Kaplan KAPLAN

Pages : 64-71

Doi:10.28948/ngumuh.1161768

View : 17 | Download : 14

Publication Date : 2023-01-15

Article Type : Research Paper

Abstract :Şeker hastalığı insanlarda kan şekeri seviyesinin anormal değerlere ulaştığı kronik bir rahatsızlıktır. Şeker hastalığının erken teşhisi, bu hastalığın sebep olabileceği daha büyük hastalıkların önlenmesi ve gerekli tedavi planlamasının zamanında gerçekleştirilmesi açısından önemlidir. Bu çalışma kapsamında şeker hastalığı çeşitli modeller ile teşhis edilerek, bu problem için kullanılabilecek en uygun model belirlenmeye çalışılmıştır. Çalışmada Lojistik Regresyon, k-En Yakın Komşuluk, CART insert ignore into journalissuearticles values(Sınıflandırma ve Regresyon Ağacı);, Rastgele Orman, Destek Vektör Makinesi, XGBoost ve LightGBM sınıflandırıcı modelleri kullanılmıştır. 10 katlı çapraz doğrulama yöntemi kullanılarak performans ölçütleri elde edilmiştir. Modellerin doğruluk oranları sırası ile %84.58, %84.59, %85.02, %88.29, %84.73, %89.29 ve %88.72 olarak elde edilmiştir. Modeller arasında en iyi üç doğruluk oranını veren Rastgele Orman, XGBoost ve LightGBM yöntemlerinde hiper-parametre ayarlaması gerçekleştirilerek en iyi parametreler belirlenmiştir. Bu parametreler ile final modellerinin doğruluk oranları sırasıyla %89.30 , %90.01 ve %90.01 olarak elde edilmiştir. Sonuç olarak XGBoost ve LightGBM modellerinin final teşhis modelleri olarak kullanılabileceği gözlemlenmiştir.
Keywords : Şeker Hastalığı, Teşhis, Sınıflandırma, Makine Öğrenmesi, Topluluk Öğrenimi, Diabetes mellitus, Diagnosis, Classification, machine learning, Ensemble learning