COMU Open Academic Archive System

Karmaşık Hastalıkların Teşhisinde Veri Madenciliği Yöntemlerinin Başarım Karşılaştırması

Show simple item record

dc.contributor.author Yücebaş, Sait Can
dc.date.accessioned 2018-07-24T07:01:38Z
dc.date.available 2018-07-24T07:01:38Z
dc.date.issued 2018-05
dc.identifier.citation Yücebaş, S. C. (2018). Karmaşık Hastalıkların Teşhisinde Veri Madenciliği Yöntemlerinin Başarım Karşılaştırması. Çanakkale Onsekiz Mart Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 4 (1), 14-27. tr_TR
dc.identifier.issn 2459-1580
dc.identifier.uri http://acikerisim.lib.comu.edu.tr:8080/xmlui/handle/COMU/1893
dc.description.abstract Bütünsel genom ilişkilendirme çalışmalarında (BGİÇ) ortaya çıkan verilerin yüksek miktarda ve çok boyutlu olması, profillerin hastalıklarla ilişkilendirilmesi ve buradan teşhise gidilmesi sırasında farklı veri madenciliği yöntemlerinin kullanılması ile mümkün olmaktadır. Yapılan çalışmada 1025 vaka ve 531 kontrolden oluşan melonom veri kümesi ile farklı etnik kökenli 2325 vaka ve 2350 kontrolden oluşan ve prostat kanseri veri kümesi kullanılmıştır. Bu hastalıklarla ilgili profiller Karar Ağacı, Naive Bayes, Destek Vektör Makinası gibi farklı veri madenciliği yöntemleri ile incelenmiştir. Her iki hastalık için de destek vektör makinası kullanılan yöntemler arasında en iyi başarımı sağlamıştır. İlgili yöntem prostat kanseri veri kümesinde %75.68’lık bir kesinlik değeri sunarken, melonom veri kümesi için %78,6’lik bir kesinlik değeri yakalamıştır. tr_TR
dc.description.abstract The data used in Genome Wide Association studies is vast in amount and high dimensional. Therefore, different data mining methods are used in order to find the relations between profiles and diseases. These methods are then used for diagnostic models. In this study two different data sets were used. The melonoma data set consists of 1025 cases and 531 controls. The multi ethnic prostate cancer data set consists of 2325 cases and 2350 controls. The underlying SNPs were searched by different data mining methods such as Decision Trees, Naive Bayes and Support Vector Machines. For both diseases support vector machine presented the best performance results. This method presented 75.68% of accuracy for prostate cancer data and 78.6% of accuracy for melonoma. tr_TR
dc.language.iso tur tr_TR
dc.publisher Çanakkale Onsekiz Mart Üniversitesi tr_TR
dc.rights Attribution-NonCommercial-NoDerivs 3.0 United States *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/us/ *
dc.subject veri madenciliği tr_TR
dc.subject karar ağacı tr_TR
dc.subject destek vektör makinası tr_TR
dc.subject naive bayes tr_TR
dc.subject kanser tr_TR
dc.subject ütünsel genom ilişkilendirme tr_TR
dc.subject data mining tr_TR
dc.subject decision tree tr_TR
dc.subject support vector machine tr_TR
dc.subject cancer tr_TR
dc.subject genome wide association tr_TR
dc.title Karmaşık Hastalıkların Teşhisinde Veri Madenciliği Yöntemlerinin Başarım Karşılaştırması tr_TR
dc.title.alternative Performance Comparison of Data Mining Methods in Diagnosis of Complex Diseases tr_TR
dc.type Article tr_TR
dc.contributor.authorID 42088 tr_TR


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States

Çanakkale Onsekiz Mart Üniversitesi Kütüphane ve Dokümantasyon Dairesi Bşk.lığı Terzioğlu Yerleşkesi 17100 / ÇANAKKALE

İçerikle ilgili herhangi bir sorun yaşarsanız, lütfen acikerisim@comu.edu.tr adresiyle iletişime geçiniz.