Hi̇pertansi̇yona Etki̇ Eden Faktörleri̇n Veri̇ Madenci̇li̇ği̇ Yöntemleri̇yle İncelenmesi̇

Kökver, Yunus

doi:10.12739/nwsa.2014.9.1.1a0352

Cited by 2 publications

(1 citation statement)

References 1 publication

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Kökver et al probed the factors affecting hypertension with data mining methods. They developed a diagnosis system that will estimate whether the patients have hypertension or not [25]. Kusiak et al work through a decision support system which will determine whether the lung tumor is benign or malignant [26].…”

Section: Recent Studiesmentioning

confidence: 99%

Decision Tree Application for Renal Calculi Diagnosis

Topaloğlu

Malkoç

2016

International Journal of Applied Mathematics, Electronics and Computers

View full text Add to dashboard Cite

Data mining is used for the extraction of secret, valuable and usable data from the big data and to provide strategic decision support. It created a new perspective for the use of the data in healthcare in addition to finding the answers of unexplored questions. It has gained wider usage as a method. The aim of this study is to develop a decision tree and a list of rules by data mining for the early diagnosis of renal calculi. A data set including blind and retrospective data for 150 people can diagnose with 6 attributes. A decision support system analysis was developed for the diagnosis of the patients with suspected renal calculi. Based on the results obtained and the analysis developed, a decision tree and list of rules were created to determine the factors that affect renal calculi. Weka program and J48 algorithm were used to create the decision tree and the list of rules and it was found to be 74.63% successful.

show abstract

Section: Recent Studiesmentioning

confidence: 99%

Decision Tree Application for Renal Calculi Diagnosis

Topaloğlu

Malkoç

2016

International Journal of Applied Mathematics, Electronics and Computers

View full text Add to dashboard Cite

show abstract

Sınıflandırma Algoritmalarının Anestezi Türünün Tahminlemesi Üzerine Karşılaştırılması

BOZTAŞ

Özmen

Karaman

2021

Gümüşhane Üniversitesi Sağlık Bilimleri Dergisi

View full text Add to dashboard Cite

Veri madenciliği yöntemleri, reklam, ticaret, sağlık, eğlence, üretim, askeri gibi birçok alanda elde edilen verilerin sınıflandırılması, kümelenmesi ya da birbirleri ile ilişkilendirilmesi sonucunda gerektiğinde ileriye dönük tahminler oluşturmayı sağlamaktadır. Yapılacak tahminlemenin başarım derecesi ise son derece önemlidir. Bundan dolayı veri madenciliği yöntemlerinde bulunan algoritmaların hangisinin daha iyi sonuç verdiği tahminleme açısından önem arz etmektedir. Bu çalışmada Erzurum Nenehatun Kadın Doğum Hastanesi'nde sezaryen yöntemiyle doğum yapan 300 gebeden elde edilen veri setine sınıflandırma algoritmalarından C4.5, regresyon ağacı, random forest, destek vektör makineleri ve k-en yakın komşu algoritmaları uygulanarak sezaryenle doğum yönteminde ku1llanılan anestezi türünün tahminleme başarıları karşılaştırılmıştır. Sınıflandırma algoritmalarının başarım karşılaştırmaları yapılırken doğruluk, kesinlik, duyarlılık ve F-ölçütü göz önünde bulundurulmuştur. Çalışma sonucunda sezaryenle doğum yönteminde kullanılan anestezi türünün tahminleme başarılarında doğruluk, duyarlık ve Fölçütüne göre en yüksek başarımı destek vektör makineleri sağlarken; kesinlik ölçütüne göre random forest algoritması en yüksek başarım oranını sağlamıştır.

show abstract

Hi̇pertansi̇yona Etki̇ Eden Faktörleri̇n Veri̇ Madenci̇li̇ği̇ Yöntemleri̇yle İncelenmesi̇

Cited by 2 publications

References 1 publication

Decision Tree Application for Renal Calculi Diagnosis

Decision Tree Application for Renal Calculi Diagnosis

Sınıflandırma Algoritmalarının Anestezi Türünün Tahminlemesi Üzerine Karşılaştırılması

Contact Info

Product

Resources

About