KaydedilenlerDerginizi ekleyin

Dergiler / Journal of Amasya University the Institute of Sciences and Technology / 2026 / Volume: 1 Issue: 1

CLASSIFICATION OF COVID-19 DATASET WITH SOME MACHINE LEARNING METHODS

Yavuz Ünal(AMASYA UNIVERSITY)0000-0002-3007-679X
Muhammed Nuri Dudak(AMASYA UNIVERSITY)
Sayfa
—
Yayın Tarihi
2020-07-02
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

En iyi sınıflandırma doğruluğu %100 ile destek vektör makinalarından algoritmasından elde edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:2019 yılında ortaya çıkan ve tüm dünyayı etkileyen covid-19 hastalığı milyonlarca insanın enfekte olmasına ve yüzbinlerce insanın ölümüne sebep olmuştur.
📊
Temel Bulgular & Veri:Bu çalışmada kaggle sitesi üzerinden temin edilen covid 19 datasetine makine öğrenmesi sınıflandırma algoritmalarından naive bayes, k-nearest neighbor, support vector machine, decision tree uygulanmıştır.
💡
Sonuç & Katkı:En iyi sınıflandırma doğruluğu %100 ile destek vektör makinalarından algoritmasından elde edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2019 · 19 hasta
⚙️Değişkenler:machine learning · covid-19 · classification

Özet

2019 yılında ortaya çıkan ve tüm dünyayı etkileyen covid-19 hastalığı milyonlarca insanın enfekte olmasına ve yüzbinlerce insanın ölümüne sebep olmuştur. Bu hastalıkla ilgili yapılacak her türlü bilimsel çalışma bu hastalıktan en kısa sürede kurtulmaya yardımcı olacaktır. Bu çalışmada kaggle sitesi üzerinden temin edilen covid 19 datasetine makine öğrenmesi sınıflandırma algoritmalarından naive bayes, k-nearest neighbor, support vector machine, decision tree uygulanmıştır. En iyi sınıflandırma doğruluğu %100 ile destek vektör makinalarından algoritmasından elde edilmiştir.

Abstract

2019 yılında ortaya çıkan ve tüm dünyayı etkileyen covid-19 hastalığı milyonlarca insanın enfekte olmasına ve yüzbinlerce insanın ölümüne sebep olmuştur. Bu hastalıkla ilgili yapılacak her türlü bilimsel çalışma bu hastalıktan en kısa sürede kurtulmaya yardımcı olacaktır. Bu çalışmada kaggle sitesi üzerinden temin edilen covid 19 datasetine makine öğrenmesi sınıflandırma algoritmalarından naive bayes, k-nearest neighbor, support vector machine, decision tree uygulanmıştır. En iyi sınıflandırma doğruluğu %100 ile destek vektör makinalarından algoritmasından elde edilmiştir.

🔖

Bu Makaleye Atıf Yap

Ünal, Y., Dudak, M. N. (2020). CLASSIFICATION OF COVID-19 DATASET WITH SOME MACHINE LEARNING METHODS. Journal of Amasya University the Institute of Sciences and Technology, Volume: 1 Issue: 1. https://ajindex.com/articles/1505292

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (3)

  1. C. Huang et al., “Clinical features of patients infected with 2019 novel coronavirus in wuhan, china,” The Lancet, vol. 395, no. 10223, pp. 497–506, 2020 [2] Z. Wu and J. M. McGoogan, “Characteristics of and important lessons from the coronavirus disease 2019 (covid-19) outbreak in china: summary of a report of 72 314 cases from the chinese center for disease control and prevention,” Jama, 2020. [3] Quinlan, J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, 1993. [4] L. Jiang, D. Wang, Z. Cai and X. Yan: Survey of Improving Naive Bayes for Classification. In: Lecture Notes in Computer Science, Vol. 4632, pp. 134-145,
  2. Springer-Verlag, Berlin Heidelberg, 2007. [5] Hsu C. W., Lin C. J., A comparison of methods for multiclass support vector machines, IEEE Transactions on Neural Networks, 2002, 13 (2): 415-425. [6] R. Agrawal. “K-Nearest Neighborn for Uncertain Data”. International Journal of Computer Applications (0975-8887). 2014. Vol. 105 No. 11 pp 13-16. [1] C. Huang et al., “Clinical features of patients infected with 2019 novel coronavirus in wuhan, china,” The Lancet, vol. 395, no. 10223, pp. 497–506, 2020 [2] Z. Wu and J. M. McGoogan, “Characteristics of and important lessons from the coronavirus disease 2019 (covid-19) outbreak in china: summary of a report of 72 314 cases from the chinese center for disease control and prevention,” Jama, 2020. [3] Quinlan, J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, 1993. [4] L. Jiang, D. Wang, Z. Cai and X. Yan: Survey of Improving Naive Bayes for Classification. In: Lecture Notes in Computer Science, Vol. 4632, pp. 134-145,
  3. Springer-Verlag, Berlin Heidelberg, 2007. [5] Hsu C. W., Lin C. J., A comparison of methods for multiclass support vector machines, IEEE Transactions on Neural Networks, 2002, 13 (2): 415-425. [6] R. Agrawal. “K-Nearest Neighborn for Uncertain Data”. International Journal of Computer Applications (0975-8887). 2014. Vol. 105 No. 11 pp 13-16.