Farklı Makine Öğrenmesi Algoritmalarının Karşılaştırılması

Abstract

Makine Öğrenmesi, matematiksel ve istatistiksel yöntemler kullanarak mevcut verilerden çıkarımlar yapan, bu çıkarımlarla bilinmeyene dair tahminlerde bulunan bir veri madenciliği yöntemidir. Probleme yaklaşımlarına göre farklılık gösteren (sınıflandırma, tahmin, kümeleme) ve bu yüzden farklı problemlerde farklı başarılara sahip olan birçok makine öğrenmesi yöntemi bulunmaktadır. Geçmiş verilerin hangi sınıftan olduğu biliniyorsa, yeni gelen verinin hangi sınıfa ait olacağı makine öğrenmesi algoritmaları kullanılarak tespit edilebilmektedir. Bu tez çalışmasında bir sınıflandırma problemi üzerinde durulmuştur. Çalışmada, dört temel sınıflandırma algoritması (Karar Ağacı, Destek Vektörü Makineleri, Naive Bayes, Yapay Sinir Ağları) sunulmuş ve hazır veri setindeki performansları karşılaştırılmıştır. Naive Bayes Algoritmasının, veri setinde uygulanan diğer sınıflandırma yöntemlerinden daha iyi performans (%70,29) gösterdiği tespit edilmiştir. Çalışmada ayrıca temel sınıflandırma algoritmalarının performansını artırmak amacıyla, genetik algoritma ile melez modelleri önerilmiş ve performansları karşılaştırılmıştır. Genetik Algoritmalı Karar Ağacı (GA-KA) Algoritmasının en yüksek performans değerine (%92,57) sahip melez model olduğu tespit edilmiştir.

Machine learning is a methods that make inferences from existing data using mathematical and statistical methods and that are inferred from these inferences. They may differ according to the probing approaches and thus may have different successes in different problems (classification, prediction, clustering). In this thesis study, a classification problem is emphasized. If the former data (information) is known in which class,it is possible to identify to which class the data is to be included by using certain machine learning algorithms. In this thesis, it is presented 4 classification algorithms (Decision Tree, Naive Bayes, Support Vector Machine and Artificial Neural Network) and compared their performance on the standard dataset which was obtained from a database. Naive Bayes Algorithm performed better performance (70.29%) than the other methods. In addition to these traditional classification algorithms, their hybrid algorithm models with Genetic Algorithm were presented and were compared. Results of the four classification algorithms were evaluated in terms of classification performance. According to the findings, Decision Tree with Genetic Algorithm (GA-DT) model performed better performance (92.57%) the other classification methods applied on dataset.