Classification of Type 2 Diabetes Using Machine Learning Techniques

Pamuk, Ziynet; Kaya, Ceren

doi:10.31590/ejosat.1014878

Cited by 2 publications

(1 citation statement)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…X-ray'in daha iyi uygulanması için bilgisayar tabanlı eğitim yazılımı geliştirerek denetleme mekanizmalarının simulasyonlarını gerçekleştirmiştir. Makine öğrenmesi ve derin öğrenme algoritmalarıyla sağlık alanında da ciddi çalışmalar yapılmış ve hastalıkların teşhisi konusunda başarılı sonuçlar elde edilmiştir (Pamuk & Kaya, 2021;Akgül ve ark., 2020;Saygın & Baykara, 2021;Gulia ve ark., 2014;Coşar & Deniz, 2021;Başer ve ark., 2021).…”

Section: Li̇teratür Taramaunclassified

Gümrük Beyannamesi Sürecinde Öğrenmeye Dayalı Algoritmaların Etkinliğinin İncelenmesi

Günerkan¹,

Şahinaslan²,

Şahınaslan³

2022

acin

View full text Add to dashboard Cite

This work is licensed under Creative Commons Attribution-NonCommercial 4.0 International License ÖZ Gümrük işlemlerinde kullanılan beyannamelerin hatasız sunulması kritik önem taşır. Bu beyannamenin oluşturulmasında kullanılan yöntemlerin çeşitliliği, dinamizmi ve karmaşıklığı karşısında insan kaynaklı hatalı beyanname dosyaları üretilmektedir. Bunlar, iş gücü, müşteri ve para kaybı gibi birçok sorunun yanında sözleşme ve yasal uyum gibi hukuki sorunlara da neden olmaktadır. Bu sorunların çözümü için güncel bilgi teknolojileriyle desteklenen akıllı yapılara ihtiyaç duyulmaktadır. Bu amaçla lojistik sektöründe gümrük beyannamesi oluşturma alanında büyük veri üzerinden öğrenme algoritmalarının kullanılabilirliği önemlidir. Bu çalışmada, 4.005.343 beyanname verisi üzerinden gümrük beyannamesi sürecinde öğrenmeye dayalı algoritmaların etkinlik performansları değerlendirilmiştir. Performans ölçüm sonuçlarına göre %25 test oranı ile Train-test split yönteminde Karar Ağacı (%75.69) ve Torbalama (%75.70) algoritmalarında maksimum sonuç ulaşıldı. K değerinin 10 alındığı K-Fold yönteminde ise Karar Ağacı (%75.84) ve Torbalama (%75.83) benzer başarım oranları elde edildi. Bu sonuçlar, makine öğrenmesi algoritmalarının kullanımının bildirim hatalarını tespit etmek için etkili bir yöntem olduğunu ortaya koymuştur. Gümrük beyannamesi süreçlerinin iyileştirilmesine, akıllı kontrol yapılarının geliştirilmesine ve sahada yapılacak yeni çalışmalara kaynak teşkil edecektir.

show abstract

Section: Li̇teratür Taramaunclassified

Gümrük Beyannamesi Sürecinde Öğrenmeye Dayalı Algoritmaların Etkinliğinin İncelenmesi

Günerkan¹,

Şahinaslan²,

Şahınaslan³

2022

acin

View full text Add to dashboard Cite

show abstract

Feature Selection in the Diabetes Dataset with the Marine Predator Algorithm and Classification using Machine Learning Methods

Türk,

Metin,

Lüy

2024

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım Ve Teknoloji

View full text Add to dashboard Cite

Diabetes, which is classified as one of the leading causes of mortality, is a chronic and intricate metabolic disorder defined by disruptions in the metabolism of carbohydrates, fats, and proteins. Type 1 diabetes is categorized alongside Type 2 diabetes, as well as other distinct kinds of diabetes, including gestational diabetes. Complications, both acute and chronic, manifest in individuals with diabetes due to diminished insulin secretion and disruptions in the metabolism of carbohydrates, fats, and proteins. Following the completion of the data preparation step, the diabetes dataset that was collected from Kaggle is then sent to the feature extraction module for analysis. After the optimization process has been completed, the feature selection block will determine which characteristics stand out the most. The selected traits discussed before are sorted into several categories using the categorization module. The findings are compared to those that would have been obtained if the marine predator optimization algorithm (MPOA) technique had not been carried out, specifically regarding metrics like the F1 score, Recall, Accuracy, and Precision. The findings indicate that the LR classification approach achieves an accuracy rate of 77.63% without property selection. However, when the characteristics are selected using the MPOA, the accuracy rate increases to 79.39%.

show abstract

Classification of Type 2 Diabetes Using Machine Learning Techniques

Cited by 2 publications

References 8 publications

Gümrük Beyannamesi Sürecinde Öğrenmeye Dayalı Algoritmaların Etkinliğinin İncelenmesi

Gümrük Beyannamesi Sürecinde Öğrenmeye Dayalı Algoritmaların Etkinliğinin İncelenmesi

Feature Selection in the Diabetes Dataset with the Marine Predator Algorithm and Classification using Machine Learning Methods

Contact Info

Product

Resources

About