Predicting COVID-19 Infection Using Machine Learning and Feature Selection Methods

Umut Ahmet ÇETİN

Predicting COVID-19 Infection Using Machine Learning and Feature Selection Methods

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: Umut Ahmet ÇETİN

Danışman: Fatih Abut

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezin amacı, çeşitli makine öğrenme ve nitelik seçme yöntemlerini kullanarak yeni COVID-19 tahmin modelleri geliştirmektir. Çok Katmanlı Algılayıcı (MLP), Tree Boost (TB), Radyal Temel İşlev Ağı (RBF), Destek Vektör Makinesi (SVM) ve K-Ortalama Kümeleme (KMC) yöntemleri kullanılarak çeşitli regüler ve nitelik seçme tabanlı COVID-19 tahmin modelleri oluşturmuştur. Minimum fazlalık maksimum önem (mRMR) ve Relief-F algoritmaları nitelik seçme yöntemleri olarak seçilmiştir. Veri seti, 20.000 hasta (10.000 pozitif, 10.000 negatif) ile ilgili bilgileri içermektedir ve çeşitli kişisel, semptomatik ve asemptomatik değişkenlerden oluşmaktadır. Modellerin performansını değerlendirmek için doğruluk, kesinlik, hassaslık ve F1-skor metrikleri kullanılırken, modellerin genelleme hataları 10-katlı çapraz doğrulama kullanılarak değerlendirilmiştir. Sonuçlar, genel olarak MLP'nin COVID-19 enfeksiyonunu tahmin etmede diğer tüm ML sınıflandırıcılarından daha iyi performans sergilediğini göstermektedir. mRMR'nin ortalama performansının, bir hastanın COVID-19 enfeksiyonunu tahmin etmede Relief-F'e göre biraz daha iyi olduğu gözlemlenmiştir. Ateş, öksürük ve baş ağrısı gibi semptom temelli değişkenler, COVID-19 enfeksiyonunun en önemli belirleyicileri olarak bulunmuştur.