Bulaşıcı olmayan hastalıklar bakımından farklı ülkelerin makina öğrenmesi yöntemleri kullanılarak sınıflandırılması

dc.contributor.authorÇınaroğlu, Songül
dc.contributor.authorAvcı, Keziban
dc.date.accessioned2020-08-12T05:16:14Z
dc.date.available2020-08-12T05:16:14Z
dc.date.issued2015-05-26
dc.description.abstractBu çalışmanın amacı Dünya Sağlık Örgütü (DSÖ)'ne üye olan 193 ülkeyi gelir gruplarına göre Bulaşıcı Olmayan Hastalıklar (BOH) ile ilgili veriler bakımından sınıflandırmaktır. Ülkelerin sınıflandırılmasında veri madenciliği yöntemleri içerisinde danışmanlı öğrenme yöntemleri arasında bulunan destek vektör makinesi ve random forest yöntemleri kullanılmıştır. Analizlerde bir açık kaynak kodlu yazılım olan Orange programından yararlanılmıştır. Analizler sonucunda random forest yöntemi kullanılarak elde edilen performans sonuçlarının destek vektör makinesine göre daha yüksek olduğu görülmüştür. Araştırma sonuçlarının küresel sağlık yöneticilerine Bulaşıcı Olmayan Hastalıklar (BOH) ile mücadele etmek konusunda ve etkin politikalar üretmede faydalı olacağı düşünülmektedir.tr_TR
dc.description.abstractThe aim of this study is to classify 193 countries which are members of World Health Organization (WHO) in terms of Non Communicable Diseases (NCDs). Support vector machine and random forest methods used for classification which are one of supervised data mining methods. An open source programme Orange used for analysis. At the end of the analysis it was seen that random forest classification performance results were better than support vector machine classification performance results. The results of this study is useful for global health care managers for fighting against Noncommunicable Diseases and producing effective policies.en_US
dc.identifier.citationÇınaroğlu, S. ve Avcı, K. (2015). "Bulaşıcı olmayan hastalıklar bakımından farklı ülkelerin makina öğrenmesi yöntemleri kullanılarak sınıflandırılması". Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 20(2), 89-97.tr_TR
dc.identifier.endpage97tr_TR
dc.identifier.issn2148-4147
dc.identifier.issn2148-4155
dc.identifier.issue2tr_TR
dc.identifier.startpage89tr_TR
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/202918
dc.identifier.urihttp://hdl.handle.net/11452/12110
dc.identifier.volume20tr_TR
dc.language.isotrtr_TR
dc.publisherUludağ Üniversitesitr_TR
dc.relation.journalUludağ Üniversitesi Mühendislik Dergisi / Uludağ University Journal of The Faculty of Engineeringtr_TR
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBulaşıcı olmayan hastalıklar (BOH)tr_TR
dc.subjectSağlık bakım göstergeleritr_TR
dc.subjectMakina öğrenmesitr_TR
dc.subjectNoncommunicable diseases (NCDs)en_US
dc.subjectHealth care indicatorsen_US
dc.subjectMachine learningen_US
dc.titleBulaşıcı olmayan hastalıklar bakımından farklı ülkelerin makina öğrenmesi yöntemleri kullanılarak sınıflandırılmasıtr_TR
dc.title.alternativeClassification of different countries in terms of noncommunicable diseases using machine learning techniquesen_US
dc.typeArticleen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
20_2_9.pdf
Size:
462.61 KB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: