Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/3698
Title: Lojistik regresyon analizi ve yapay sinir ağları tekniklerinin sınıflama özelliklerinin karşılaştırılması ve bir uygulama
Other Titles: Logistic regression analysis and comparison of classification characteristics of artifical nueural network techniques and an application
Authors: Kan, İsmet
Ocakoğlu, Gökhan
Uludağ Üniversitesi/Sağlık Bilimleri Enstitüsü/Biyoistatistik Anabilim Dalı.
Keywords: Lojistik regresyon analizi
Yapay sinir ağları tekniği
Doğru sınıflandırma oranı
Logistic regression analysis
Artificial neural network technique
Correct classification ratio
Issue Date: 2006
Publisher: Uludağ Üniversitesi
Citation: Ocakoğlu, G. (2006). Lojistik regresyon analizi ve yapay sinir ağları tekniklerinin sınıflama özelliklerinin karşılaştırılması ve bir uygulama. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Sağlık Bilimleri Enstitüsü.
Abstract: Bu çalışma, lojistik regresyon analizi ve yapay sinir ağlarının sınıflama etkinliklerini karşılaştırmayı amaçlamaktadır. Lojistik regresyon analizi ve yapay sinir ağları teknikleri, bireylerin sınıflandırma oranlarına göre karşılaştırılmışlardır. Çalışmaya dahil edilen veri seti, Ercan ve arkadaşları (1) tarafından yapılan çalışmanın veri setinden lojistik regresyon analizi ve yapay sinir ağı tekniklerine uyacak şekilde seçilen 140 klinik hastasından oluşmaktadır. Yapılan analizler sonucunda, örnek veri seti doğru sınıflandırma oranları, lojistik regresyon analizi için % 81,4 ve yapay sinir ağları tekniği için de % 85 olarak hesaplanmış ve çalışmaya alınan veri seti için yapay sinir ağları tekniğinin lojistik regresyona göre daha iyi bir “doğru sınıflandırma oranına” sahip olduğu görülmüştür.
This study was aimed to compare the classification effectivities of logistic regression analysis and artificial neural network. Comparison of logistic regression analysis and artificial neural network techniques was carried out according to individual’s classification ratios. Data set included in the study was selected from the data set of the study done by Ercan et al(1). Data of 140 clinical patients that were appropriate for logistic regression analysis and artificial neural network techniques were included. As a result of the analysis, correct classification ratios of the sample data set for logistic regression analysis and artificial neural network techniques were calculated as 81.4% and 85% respectively. For the data set included, artificial neural network technique was found to have a better “correct classification ratio” than the logistic regression analysis.
URI: http://hdl.handle.net/11452/3698
Appears in Collections:Yüksek Lisans Tezleri / Master Degree

Files in This Item:
File Description SizeFormat 
192743.pdf724.88 kBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons