Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: Fulya Akcan
Danışman: Ahmet Sertbaş
Özet:
Günümüzde, birçok insan göğüs kanserinden etkilenmektedir. Göğüs kanseri, erken evrelerde tespit edildiğinde tedavi edilebilmekte ve bu sayede göğüs kanseri hastalığına bağlı ölümler önlenebilmektedir. Son yıllarda, makine öğrenmesi yöntemleri ile göğüs kanseri teşhisinde, geleneksel yöntemlerle hastalığın tespitine göre daha yüksek performans elde edilmektedir. Öte yandan, Topluluk Öğrenme yöntemlerinin klasik makine öğrenme yöntemlerinin performansını artırdığı bilinmektedir. Bu çalışmada, topluluk öğrenmesine dayalı göğüs kanseri hastalığı tespit sistemi önerilmiştir. Tezde; Rassal Orman, Oylama, Torbalama, Yükseltme, Yığma ve Ekstra Ağaçlar Topluluk Öğrenme yöntemleri uygulanarak hastalığın teşhisinde kullanılan klasik sınıflandırma yöntemlerinin (Destek Vektör Makinesi, K-En Yakın Komşu, Saf Bayes ve Karar Ağacı algoritmaları) sınıflandırma performanslarını artırdığı gösterilmiştir. Ayrıca, kullanılan Topluluk Yöntemlerinin karşılaştırmalı performans analizleri yapılmıştır. Modellerin eğitim ve test aşaması için Wisconsin Diagnostic Breast Cancer veri kümesi kullanılmıştır. En yüksek doğruluk, Stacking topluluk yöntemi ile %95.80 oranında elde edilmiştir.