AI Summary & Key Takeaways
AI InsightIt was found that the Naive Bayes application performed better estimation performance.
📌 3 Key Takeaways
Abstract
In this study, the data set, which is obtained in order to reveal the applicability of machine learning algorithms in observation quality estimation, were clustered in different number of clusters. Afterwards, estimations were made using Naive Bayes and K Nearest Neighbor algorithms, which are the mostly used classification algorithms in the literature. As a result of the study, the performance of the machine learning algorithms used was measured, assuming that the clusters to which the data belonged express the type of observation. It was found that the Naive Bayes application performed better estimation performance. In conclusion, it can be said that there is a need to create astronomical observation data set so that can be used for comparing machine learning algorithms.
Özet
Bu çalışmada gözlem kalitesi tahmininde makine öğrenmesi algoritmaların uygulanabilirliğini ortaya koymak amacıyla elde edilen veri seti farklı şekillerde kümelenmiştir. Sonrasında alanyazında en çok kullanılan sınıflandırma algoritmalarından Naive Bayes ve K En Yakın Komşu algoritmaları kullanılarak tahminler yapılmıştır. Çalışma sonucunda, verilerin ait olduğu kümelerin gözlem türünü ifade ettiği varsayılarak, kullanılan makine öğrenmesi algoritmalarının performansı ölçülmüştür. Yapılan tahminlerde Naive Bayes uygulamasının daha iyi performans gösterdiği görülmüştür. Sonuç olarak, astronomik gözlem verilerinin makine öğrenmesi algoritmaları ile tahmin edilebileceği ve bu alanda buna yönelik bir veri seti oluşturulması ihtiyacının hâsıl olduğu söylenebilir.