Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://hdl.handle.net/11452/3698
Başlık: Lojistik regresyon analizi ve yapay sinir ağları tekniklerinin sınıflama özelliklerinin karşılaştırılması ve bir uygulama
Diğer Başlıklar: Logistic regression analysis and comparison of classification characteristics of artifical nueural network techniques and an application
Yazarlar: Kan, İsmet
Ocakoğlu, Gökhan
Uludağ Üniversitesi/Sağlık Bilimleri Enstitüsü/Biyoistatistik Anabilim Dalı.
Anahtar kelimeler: Lojistik regresyon analizi
Yapay sinir ağları tekniği
Doğru sınıflandırma oranı
Logistic regression analysis
Artificial neural network technique
Correct classification ratio
Yayın Tarihi: 2006
Yayıncı: Uludağ Üniversitesi
Atıf: 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.
Özet: 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
Koleksiyonlarda Görünür:Yüksek Lisans Tezleri / Master Degree

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
192743.pdf724.88 kBAdobe PDFKüçük resim
Göster/Aç


Bu öğe kapsamında lisanslı Creative Commons License Creative Commons