Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/3698
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorKan, İsmet-
dc.contributor.authorOcakoğlu, Gökhan-
dc.date.accessioned2019-12-20T05:44:24Z-
dc.date.available2019-12-20T05:44:24Z-
dc.date.issued2006-
dc.identifier.citationOcakoğlu, 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.tr_TR
dc.identifier.urihttp://hdl.handle.net/11452/3698-
dc.description.abstractBu 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.tr_TR
dc.description.abstractThis 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.en_US
dc.format.extentIII, 54 sayfatr_TR
dc.language.isotrtr_TR
dc.publisherUludağ Üniversitesitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAtıf 4.0 Uluslararasıtr_TR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.subjectLojistik regresyon analizitr_TR
dc.subjectYapay sinir ağları tekniğitr_TR
dc.subjectDoğru sınıflandırma oranıtr_TR
dc.subjectLogistic regression analysisen_US
dc.subjectArtificial neural network techniqueen_US
dc.subjectCorrect classification ratioen_US
dc.titleLojistik regresyon analizi ve yapay sinir ağları tekniklerinin sınıflama özelliklerinin karşılaştırılması ve bir uygulamatr_TR
dc.title.alternativeLogistic regression analysis and comparison of classification characteristics of artifical nueural network techniques and an applicationen_US
dc.typemasterThesisen_US
dc.relation.publicationcategoryTeztr_TR
dc.contributor.departmentUludağ Üniversitesi/Sağlık Bilimleri Enstitüsü/Biyoistatistik Anabilim Dalı.tr_TR
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