Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu veritabanından hipertansiyon hastalığının TemelBileşen Analizi kullanılarak tahmin edilmesi amaçlanmıştır.Gereç ve Yöntem: Naive Bayes, Çok Katmanlı Algılayıcı Ağ (ÇKA), Karar Tablosu ve C4.5 sınıflandırma algoritmalarıuygulanmış, ardından Temel Bileşenler Analizi uygulanarak hipertansiyon veritabanının boyutu indirgenmiş ve aynısınıflandırma algoritmaları tekrar uygulanmış ve sonuçlar karşılaştırılmıştır.Bulgular: Aynı şartlarda işleme sokulan algoritmalardan en başarılı sonucu %88 doğruluk oranıyla Naive Bayes sınıflandırıcısıvermiştir.
📌 3 Maddede Bu Makale
Özet
Amaç: Otuz yaş ve üzerindeki 150 hastadan, hipertansiyona etki etmesi muhtemel bilgilerden; cinsiyet, yaş, lipid profili,trigliserid, vücut kütle indeksi, ürik asit ve sigara kullanımı verileri toplanmış ve bir hipertansiyon veritabanı oluşturulmuştur. Bukişilerden 65’i sağlıklı, geriye kalan 85 kişi ise hipertansiyon hastasıdır. Bu veritabanından hipertansiyon hastalığının TemelBileşen Analizi kullanılarak tahmin edilmesi amaçlanmıştır.Gereç ve Yöntem: Naive Bayes, Çok Katmanlı Algılayıcı Ağ (ÇKA), Karar Tablosu ve C4.5 sınıflandırma algoritmalarıuygulanmış, ardından Temel Bileşenler Analizi uygulanarak hipertansiyon veritabanının boyutu indirgenmiş ve aynısınıflandırma algoritmaları tekrar uygulanmış ve sonuçlar karşılaştırılmıştır.Bulgular: Aynı şartlarda işleme sokulan algoritmalardan en başarılı sonucu %88 doğruluk oranıyla Naive Bayes sınıflandırıcısıvermiştir. Naive Bayes sınıflandırıcısını sırasıyla %85,33 başarı oranıyla Karar Tablosu algoritması, %82,67 başarı oranıylaÇKA algoritmaları takip etmiştir. Hipertansiyon veritabanına TBA analizi uygulanıp, aynı şartlarda aynı algoritmalar tekrarişleme sokulup, TBA uygulanmayan sonuçlarla kıyaslandığında ise, C4.5 algoritması normalden %4 daha başarılı sonuç verereken başarılı algoritma olmuştur. C4.5 algoritmasını sırasıyla %2,67 daha başarılı sonuç veren Karar Tablosu algoritması ve %1,33daha başarılı sonuç veren ÇKA izlemiştir.Sonuç: Naive Bayes sınıflandırıcı haricindeki tüm algoritmalarda Temel Bileşenler Analizi’nin sınıflandırma başarısını artırdığıgörülmüştür.
Abstract
Aim: 150 patients which aged 30 years and over were exposed to possible hypertension; age, gender, lipid profile, body massindex, triglyceride , cigarette use and uric acid data are collected and hypertension database are created. 65 people is healthy, andthe remaining one is suffering from hypertension. It is aimed to estimate the hypertension disease from this database using thePrincipal Component Analysis.Material and Method: Decision Table, Naive Bayes, C4.5 and Multilayer Perceptron Network(MLP) classification algorithmsare applied to this database, then the size of the hypertension database is reduced by applying Principal Component Analysis andthe same methods are applied again and the results are compared.Results: The most successful result of the algorithms that were processed under the same conditions gave Naive Bayes classifierwith 88% accuracy. Naive Bayes classifier was followed by the Decision Table algorithm with success rate of 85.33%, and ÇKAalgorithms with success rate of 82.67%. If the TBA analysis is applied to the hypertension database and the same algorithms arere-processed under the same conditions and the TBA is compared to the untreated results, the C4.5 algorithm is normally themost successful algorithm with 4% more successful results. The Decision Table algorithm, which yielded C4.5 algorithm with2.67% more success rate respectively, and ÇKA which has a more successful result than 1.33%.Conclusion: Algorithms except the Naive Bayes algorithm, improved their classification accuracy rate