Yazar "Asghar, Maha Hussein" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Öğe
    Gürültü giderici oto-kodlayıcı kullanarak eksik değerlerin tamamlanması
    (Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, 2020) Asghar, Maha Hussein; Kaya, Ersin
    Eksik değerlerin varlığı, veri analizinde yaygın bir sorundur. Veri kaybı, eksiksiz veri gerektiren aşağı akış analizini engelleyebilmektedir. Bu eksiklik, ya verilere eksik durumları silen ya da sonradan işleme için veri atanan tamamlanmış verileri oluşturan aşağı akış veri ürünlerinin performansında bir düşüşe neden olmaktadır. Bu nedenle, verileri tam olarak kullanmak ve doğru kullanmak için kaybolan verilerin uygun şekilde işlenmesi zorunludur. Modern veri atama teknikleri genellikle iyi performanslar sağlar, ancak özellikle büyük veri kümeleri için hesaplama açısından pahalıdır. Bu çalışmada, Gürültü Giderici Oto- Kodlayıcı (GGOK) kullanarak eksik verileri atama amacıyla bir derin öğrenme çerçevesi araştırılmaktadır. Ardından, on veri setinde önerilen GGOK performansı karşılaştırılmaktadır, örn. Breast Cancer Wisconsin Diagnostic (BCWD), Discrim, Fisher İris, Reaction, Stockreturns, Titanic, Human Activity Definition using smartphones1, İonosphere, Automobile ve Ovarian Cancers (OVCA) eksik veri oranında % 5,% 15,% 20 ve % 25 ile, dört geleneksel yönteminin yanı sıra altı modern makine öğrenme yöntemiyle, örneğin Destek Vektör Makinesi, Güçlü regresyon, Ridge regresyonu, K-En Yakın Komşu, Yapay Sinir Ağı ve Olasılıksal Sinir Ağıdır. Önerilen GGOK veri atama, göreceli doğruluk açısından diğer yöntemlere kıyasla çok daha iyi sonuçlar göstermektedir.