Kronik böbrek hastalığının makine öğrenmesi yöntemleriyle analizi
| dc.contributor.advisor | Erbay, Hasan | |
| dc.contributor.author | Erdursun, Mustafa İlker | |
| dc.date.accessioned | 2021-01-16T19:12:44Z | |
| dc.date.available | 2021-01-16T19:12:44Z | |
| dc.date.issued | 2019 | |
| dc.department | KKÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı | |
| dc.description.abstract | Teknolojik gelişmeler sonucu dijital ortamlarda kaydedilen birçok veri sonucunda büyük veri yığınları oluşmuştur. Bu büyük veri yığınlarının üzerinde veri madenciliği yöntemleriyle çalışmalar yapılarak, anlamlı ve yararlı bilgilerin ortaya çıkarılması sağlanmaktadır. Her gün çok yüksek oranda verilerin toplandığı bir dünyada yaşıyoruz. Bu verilerin analiz edilmesi önemli bir ihtiyaç haline gelmiştir. Klasik analiz yöntemlerinin büyük verilerin analizi konusunda yetersiz kalması, veri madenciliği yöntemlerinin önemini arttırmıştır. Her dönemde olduğu gibi günümüzün en önemli araştırma alanı olan tıp alanında, hastaların verileri sürekli olarak kayıt altına alınmaktadır. Kaydedilen veriler bazen tek başına önemsiz gibi görünse de, diğer verilerle birlikte analiz edildiğinde gizlenen önemli bilgilerin elde edilmesi mümkündür. Elde edilen değerli bilgiler sayesinde sağlık sektörünün gelişmesine ve doktorların doğru teşhisine yardımcı olmaktadır. Bu tez çalışmasında, Kronik Böbrek Hastalığı(KBH) veri seti üzerinde analiz yapılmıştır. Çorum Hitit Üniversitesi Erol Olçok Eğitim ve Araştırma Hastanesinde 216 hastadan elde edilen veriler kullanılmıştır. Veriler üzerinde makine öğrenmesi yöntemleri uygulanmış ve hastalık sınıflandırılması yapılmıştır. Uzman görüşü alınarak, hastalara tanı koymak için kullanılan bazı değişkenler veri kümesinden çıkarılarak geriye kalan değişkenlerle analiz yapılmıştır. Bu değişkenler ayrı olarak incelendiğinde tanı koymak için yetersizdi, ancak birlikte analiz edildiklerinde tanıya önemli katkı sağladıkları tespit edilmiştir. Farklı modeller oluşturularak, bu modellerin veri üzerindeki tahmin sonuçları karşılaştırılmış ve bu sonuçlara bağlı olarak bu veriler üzerinde hangi modelin daha iyi sonuç verdiği belirtilmiştir. | en_US |
| dc.description.abstract | With the advancement of technology, a lot of data was recorded in digital media and big data piles were created. Thanks to data mining, studies are being carried out to reveal meaningful and useful information within these large masses of data. Every day we live in a world where very high data is collected. Analyzing these data has become an important need. In particular, the lack of classical analysis methods in analyzing large masses of data increased the importance of data mining methods. As in every period, in the field of medicine, which is the most important research area of our day, the data of the patients are continuously recorded. While the recorded data sometimes seem to be insignificant alone, it is possible to obtain important information that is hidden when it is analyzed together with other data. Thanks to the valuable information obtained, it helps the development of the health sector and the correct diagnosis of the doctors. In this thesis study, an analysis was made on the Chronic Kidney Disease (CKD) data set. Data obtained from 216 patients from Çorum Hitit University Erol Olçok Training and Research Hospital were used. Machine learning methods were applied on the data and disease classification was made. By taking expert opinion, some variables used to diagnose patients were subtracted from the dataset and analyzed with the remaining variables. These variables were inadequate to diagnose when examined separately, but they were found to contribute significantly to diagnosis when analyzed together. By creating different models, the estimation results of these models are compared on the data and depending on these results it is stated which model gives better results. | en_US |
| dc.identifier.endpage | 86 | en_US |
| dc.identifier.startpage | 1 | en_US |
| dc.identifier.uri | Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına üniversite kütüphaneniz aracılığı ile (TÜBESS üzerinden) erişebilirsiniz. | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12587/17021 | |
| dc.identifier.yoktezid | 554000 | |
| dc.language.iso | tr | |
| dc.publisher | Kırıkkale Üniversitesi | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/closedAccess | en_US |
| dc.subject | Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol | en_US |
| dc.subject | Computer Engineering and Computer Science and Control | en_US |
| dc.subject | Enterococcus | en_US |
| dc.subject | Enterococcus ; Tavuklar | en_US |
| dc.subject | Chickens ; Vankomisin | en_US |
| dc.subject | Vancomycin | en_US |
| dc.title | Kronik böbrek hastalığının makine öğrenmesi yöntemleriyle analizi | en_US |
| dc.title.alternative | Analysis of chronic kidney disease with machine learning methods | en_US |
| dc.type | Master Thesis | en_US |
