Çocuklar İçin Otizm Spektrum Bozukluğunun VeriMadenciliği Yöntemleri ile Analizi

Özet

Veri madenciliği teknikleri, veriler arasında gizli kalmış olan örüntüleri ortaya çıkarmayı amaçlamaktadır. Bukapsamda, tıp gibi birçok alanda yaygın bir biçimde kullanılmaktadır. Teşhis ve tedavisi oldukça zor ve uzunbir süreçten oluşan otizm spektrum bozukluğu doğuştan gelen ya da yaşamın ilk yıllarında ortaya çıkankarmaşık bir nöro-gelişimsel bozukluktur. Bu çalışmada 292 çocuktan toplanan gerçek ve güncel otizmspektrum bozukluğu verileri kullanılmıştır. Veri seti 20 girdi özniteliği ve 1 çıktı özniteliğine sahiptir. Çıktıözniteliği otizmin bulunup bulunmadığını ifade etmektedir. Çalışma da öncelikle veri seti üzerinde eksikverilerin tamamlanması, kategorik verilerin sayısallaştırılması, normalizasyon gibi veri ön işleme aşamalarıgerçekleştirilmiştir. Devamında ise öznitelikler yapay sinir ağları ve dilsel kuvvetli sinir-bulanık sınıflayıcı ilesınıflandırılmış, k-means ve x-means ile kümelenmiştir. Her bir yöntemin sonuçları değerlendirilmiş veperformanslar karşılaştırılmıştır.

Abstract

Data mining techniques aim to reveal hidden patterns in data. They are widely used in many fields, such asmedicine. Autism spectrum disorder, whose diagnosis and treatment are difficult and lengthy, is a complexneurodevelopmental disorder that is congenital or occurs in the first years of life. Actual and current autismspectrum disorder data collected from 292 children were used in this study. The data set has 20 input attributesand 1 output attribute. The output attribute expresses whether autism is present or not. In the study, data pre processing stages, such as completing missing data on the data set, digitizing categorical data, and normalization,were first carried out. Subsequently, the features were classified by artificial neural networks and linguisticstrength neuro-fuzzy classifier and clustered with k-means and x-means. The results of each method wereevaluated and the performances were compared.