Sürekli veri setlerinin farklı ayrıklaştırma yöntemleri kullanılarak kural tabanlı sınıflandırma algoritmalarına uyarlanması ve karşılaştırılması

Veri ayrıklaştırma, veri madenciliğinde kullanılan en popüler veri ön işleme tekniklerinden biridir. Veri ayrıklaştırma işleminde sürekli olan değerler belirli aralıklara göre ayrık değerlere dönüşür. Literatürde birden fazla ayrıklaştırma yöntemi bulunabilir, fakat bu ayrıklaştırma yöntemlerinin içinde en yaygın olanlar Eşit Genişlik (EG), Eşit Frekans (EF) ve Entropi yöntemleridir. Her ayrıklaştırma yönteminin kendine göre avantaj ve dezavantajları bulunmaktadır. Veri ayrıklaştırma işlemi veri kümeleri üzerinde birçok işlemi kolaylaştırır ve hızlandırır. Literatürde araştırmacılar tarafından geliştirilen birçok ayrıklaştırma teknikleri bulunmaktadır. Geliştirilen bu ayrıklaştırma yöntemleri veri madenciliğinde sınıflandırma başarısını artırması, verilerin hızlı ve basit bir şekilde işlenmesi gibi birçok amaç için kullanılmaktadır. Veri madenciliğinde kural tabanlı sınıflandırma algoritmaları ayrık değerli özeliklere sahip olan veri kümelerinde daha iyi performans ve sınıflandırma başarıları göstermektedir. Bu çalışmanın amacı sürekli değerli veri özeliklerine sahip olan veri kümelerinin özellik değerlerini EG, EF ve Entropi Tabanlı ayrıklaştırma yöntemleri ile ayrıklaştırarak, Karar Ağacı ID3, Naive Bayes (NB) ve Karar Tablo (KT) Kural Tabanlı sınıflandırma algoritmalarına uyarlanması ile daha iyi bir sınıflandırma başarısı elde etmektir. Bu çalışmada, UCI veri seti içinden sıkça kullanılan 13 adet sürekli değerli özelliklere sahip olan veri seti alınmaktadır. Bu veri setlerinin özellik değerleri ayrık değerlere dönüştürülerek farklı sınıflandırma algoritmaları üzerine uyarlanmaktadır. Bu sayede sınıflandırma algoritmasına verilen ayrıklaştırılmış verilerin sınıflandırma başarısının artması sağlanacaktır.

Data discretization is one of the most popular data preprocessing techniques used in data mining. Values that are continuous in the data discretization process become discrete values over certain intervals. In literature, more than one discretization method can be found but the most common methods are equal width, equal frequency, and entropy. Each discretization method has its own advantages and disadvantages. Data discretization process makes easier and faster many operations on data sets. In literature there are many discretization techniques that developed by researchers. These discretization methods are used for many purposes such as increasing the classification success in the data mining, processing the data quickly and simply. Rule-based classification algorithms in data mining show better performance and classification success in data sets with discrete properties. The aim of this thesis is to obtain a better classification performance by adapting the property values of data sets with continuous valuable data properties by equal width, equal frequency and entropy based discretization methods and adaptation to decision tree ID3, Naive Bayes and decision table rule based classification algorithms. The importance of this thesis is to increase the classification performance on rule-based classification algorithms of continuous data sets. In this thesis, a data set which has 10 continuously valuable properties which are frequently used from UCI data sets will be taken. The property values of these data sets are transformed into discrete values and are adapted to rule-based classification algorithms. Thus the classification success of the discrete data which given to the classification algorithm will be increased.