Tiroid ve kronik böbrek hastalığı verilerinin sınıflandırılmasında genetik algoritmalar ve pca ile hibrit özellik seçimi
Yükleniyor...
Dosyalar
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada tiroid ve kronik böbrek hastalığının teşhisinde k-nearest neighbors sınıflandırıcının performansını arttırmak amacıyla genetik algoritmalar ve temel bileşenler analizi (PCA) hibrit şekilde kullanılmış ve yeni bir özellik seçimi yöntemi önerilmiştir. Hibrit özellik seçimi yönteminde elde edilen uygulama sonuçları, veri setlerinin özellik seçimi uygulanmamış başlangıç performansıyla karşılaştırılmıştır. Sonuç olarak önerilen hibrit metotla birlikte sınıflandırma başarısı tiroid veri seti için %93.44’ten %95.89’a, böbrek veri seti için %93.75’ten %98.25’e çıkarılmıştır. Sonuçların tutarlı olması için her iki veri setine 10-kat çapraz doğrulama yapılmıştır.
In this study, genetic algorithms and principal component analysis (PCA) were used in a hybrid way to increase the performance of the k-nearest neighbors classifier in the diagnosis of thyroid and chronic kidney disease, and a new feature selection method was proposed. The application results obtained in the hybrid feature selection method were compared with the initial performance of the data sets before the feature selection was applied. As a result, with the proposed hybrid method, the classification success was increased from 93.44% to 95.89% for the thyroid data set and from 93.75%to 98.25%for the kidney data set. A 10-fold cross validation was applied to both data sets to ensure consistent results.
In this study, genetic algorithms and principal component analysis (PCA) were used in a hybrid way to increase the performance of the k-nearest neighbors classifier in the diagnosis of thyroid and chronic kidney disease, and a new feature selection method was proposed. The application results obtained in the hybrid feature selection method were compared with the initial performance of the data sets before the feature selection was applied. As a result, with the proposed hybrid method, the classification success was increased from 93.44% to 95.89% for the thyroid data set and from 93.75%to 98.25%for the kidney data set. A 10-fold cross validation was applied to both data sets to ensure consistent results.
Açıklama
Anahtar Kelimeler
Genetik Algoritmalar, PCA, Özellik Seçimi, K-nearest neighbors, Genetic Algorithms, Feature Selection
Kaynak
Selcuk University Journal of Engineering Sciences
WoS Q Değeri
Scopus Q Değeri
Cilt
19
Sayı
3
Künye
Mat, A. N., İnan, O., (2020).Tiroid ve kronik böbrek hastalığı verilerinin sınıflandırılmasında genetik algoritmalar ve pca ile hibrit özellik seçimi Selcuk University Journal of Engineering Sciences, 19, (3), 137-155.
