Development of a hybrid classification method for machine learning

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği, Türkiye

Tezin Onay Tarihi: 2009

Tezin Dili: İngilizce

Öğrenci: Mehmet Acı

Asıl Danışman (Eş Danışmanlı Tezler İçin): MUTLU AVCI

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmada ?Bayes, K En Yakın Komşu Metotları ve Genetik Algoritma Kullanılarak Hibrit Sınıflama? ve ?Kestirim Eniyileme Tabanlı Sınıflama Metodunda K En Yakın Komşu Metodundan Faydalanılması? adlarında iki araştırma yapılmıştır. İlk araştırmada k en yakın komşu, Bayes metotları ve genetik algoritma kullanılarak birlikte kullanılarak hibrit bir metot oluşturulmuştur. Amaç öğrenmeyi zorlaştıran verileri eleyerek sınıflamada mükemmel sonuçlara ulaşmaktır. Önerilen metot üç ana adımda uygulanmıştır. İlk adımda mevcut verilerle yeni veriler oluşturulmuş ve k en yakın komşu metodu ile iyi olanları seçilmiştir. İkinci adımda ise seçilen veriler genetik algoritma ile işlenmiş ve daha iyi veri kümeleri oluşturulmuştur. Son olarak en iyi veri kümesi belirlenmiş ve sınıflamadaki başarısını belirlemek için Bayes metodu ile işlenmiştir. Ayrıca orijinal ve en iyi veri kümeleri tarafsız bir değerlendirme için yapay sinir ağlarında test edilmiştir. İkinci araştırmada, veri sınıflamasını iyileştirmek için bir veri eleme yaklaşımı önerilmiştir. Bayes ve k en yakın komşu metotlarında yapılan düzenlemelerle hibrit bir metot oluşturulmuştur. Ana fikir k en yakın komşu metodu ile veri sayısını azaltmak ve en benzer eğitim verileri ile sınıfı tahmin etmektir. Sonrasında Bayes metodunun kestirim eniyileme algoritması kullanılmıştır. K en yakın komşu Bayes sınıflayıcısının önişlemcisi olarak belirlenmiş ve sonuçlar gözlemlenmiştir. Test işlemleri, University of California Irvine (UCI) makine öğrenmesi veri kümelerinin en bilinenlerinden beşi olan Iris, Breast Cancer, Glass, Yeast ve Wine ile yapılmıştır.