IMPROVE DIABETES DIAGNOSIS BY INTEGRATING MULTIPLE MACHINE LEARNING ALGORITHMS
| dc.contributor.author | Khalel, Feras | |
| dc.date.accessioned | 2023-08-07T08:18:12Z | |
| dc.date.available | 2023-08-07T08:18:12Z | |
| dc.date.issued | 2023-07 | |
| dc.department | Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı | en_US |
| dc.description.abstract | Diabetes is a chronic disease with many complications that follow the disease and is one of the leading causes of death worldwide. The number of people infected with this disease is increasing every day. Therefore, predicting this disease at an early stage helps to avoid many complications that follow the disease. Nowadays, many medical sectors have begun to take an interest in using artificial intelligence technologies and benefiting from their services. Data mining and machine learning techniques are used to predict the patient's condition at an early stage. Many studies have worked on this topic. However, in most previous studies, the recall measure for affected patients did not reach an acceptable accuracy. Therefore, in this study, we worked to address this deficiency and present a new model for predicting diabetes. During the study, the data set was processed. Six machine learning algorithms were then used to build the models and individually predict the patient's condition. Then the three best algorithms were selected. Finally, these algorithms were combined to create a hybrid model that gives a safe result to predict the patient's condition. The proposed model gave an accuracy of 96.55%. The accuracy of the recall scale was 97.73%. The accuracy obtained from this study is better than the accuracy of previous studies and more reliable because, in this study, the data set was processed and made balanced. | en_US |
| dc.description.abstract | Diyabet, hastalığı takip eden birçok komplikasyonu olan ve dünya çapında önde gelen ölüm nedenlerinden biri olan kronik bir hastalıktır. Bu hastalığa yakalananların sayısı her geçen gün artıyor. Bu nedenle, bu hastalığı erken bir aşamada tahmin etmek, hastalığı takip eden birçok komplikasyonun önlenmesine yardımcı olur. Günümüzde birçok medikal sektör yapay zeka teknolojilerini kullanmaya ve hizmetlerinden yararlanmaya ilgi duymaya başlamıştır. Hastanın durumunu erken bir aşamada tahmin etmek için veri madenciliği ve makine öğrenimi teknikleri kullanılır. Bu konuda birçok çalışma yapılmıştır. Bununla birlikte, önceki çalışmaların çoğunda, etkilenen hastalar için hatırlama ölçüsü kabul edilebilir bir doğruluğa ulaşmadı. Bu nedenle, bu çalışmada bu eksikliği gidermek ve diyabeti tahmin etmek için yeni bir model sunmak için çalıştık. Çalışma sırasında veri seti işlenmiştir. Daha sonra modelleri oluşturmak ve hastanın durumunu bireysel olarak tahmin etmek için altı makine öğrenimi algoritması kullanıldı. Ardından en iyi üç algoritma seçildi. Son olarak, bu algoritmalar, hastanın durumunu tahmin etmek için güvenli bir sonuç veren hibrit bir model oluşturmak için birleştirildi. Önerilen model %96.55 doğruluk vermiştir. Hatırlama ölçeğinin doğruluğu %97.73 idi. Bu çalışmadan elde edilen doğruluk önceki çalışmalara göre daha iyi ve daha güvenilirdir çünkü bu çalışmada veri seti işlenip dengelenmiştir." | en_US] |
| dc.identifier.uri | https://hdl.handle.net/20.500.14619/2871 | |
| dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=a0OMTmEd_3mfOBxT8SiBTPyahDEQZ_tmbMi13j-WJINH2wkW0GrLtWtBJlA9qNwg | |
| dc.identifier.yoktezid | 817924 | en_US |
| dc.language.iso | en | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Diabetes | en_US |
| dc.subject | Pima dataset | en_US |
| dc.subject | Random Forest | en_US |
| dc.subject | Gradient Boosted | en_US |
| dc.subject | KNN | en_US |
| dc.subject | SVM. | en_US |
| dc.subject | Diyabet | en_US |
| dc.subject | Pima veri seti | en_US |
| dc.subject | Random Forest | en_US |
| dc.subject | Gradient Boosted | en_US |
| dc.subject | KNN | en_US |
| dc.subject | SVM. | en_US |
| dc.title | IMPROVE DIABETES DIAGNOSIS BY INTEGRATING MULTIPLE MACHINE LEARNING ALGORITHMS | en_US |
| dc.title.alternative | ÇOKLU MAKİNE ÖĞRENME ALGORİTMALARINI ENTEGRE EDEREK DİYABET TEŞHİSİNİ GELIŞTIRIN | en_US |
| dc.type | Master Thesis | en_US |
