Yapay Sinir Ağlarının Dengesiz Veri Setlerinin Sınıflandırılmasının İyileştirilmesi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: Türkçe

Öğrenci: SİMAY UĞUR

Danışman: Sedat Çapar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Dengesiz veri seti sınıflandırma yaparken, sınıfların eşit dağılmadığı, sınıflar arası yaklaşık olarak aynı sayıda verinin olmadığı veri kümesidir. Makine öğrenmesi algoritmalarına dengesiz veri setleri gösterildiğinde, algoritmalar veri dağılım özelliklerini düzgün bir şekilde temsil edemez. Veri seti dengesizse, algoritmalar Azınlık sınıfının örneklerinden çok az şey öğrenmiş veya hiç öğrenmemiş olabilir. Bu ise veri setindeki hedef niteliğin sınıf değerleri arasında sakıncalı doğruluk değerlerinin elde edilmesine neden olmaktadır. Yapay Sinir Ağları özellikle sınıflandırma ve genelleme yapma durumlarında etkin çalışır. Yapay Sinir Ağlarında uygun parametre seçimi modelin iyi öğrenebilmesi için önemlidir. Yapay sinir ağlarında aktivasyon fonksiyonunun probleme göre uygun seçilmesi ağın performansını ve başarı oranını önemli derecede etkiler. Yapay Sinir Ağlarında ki doğrusal olmayan problemlerin çözümünde optimum değeri bulmak için optimizasyon yöntemleri kullanılmaktadır. Dengesiz verilere uygulanan yapay sinir ağları kullanılarak yapılan sınıflandırmanın optimizasyon çalışması ile modelin çıktısında ki azınlık sınıfının yanlış sınıflandırma oranının dengeli hale getirilmesi amaçlanır. Dengesiz veri setinde az sayıda olan sınıfın minör ve majör olasılık dağılımları incelenmiştir. Belirlenen yöntem uygulanmıştır. Karmaşıklık matrisinde kesinlik hassasiyet, mathew korelasyon katsayısı incelinip model çıktısında ki iyileşme görülmüştür.Yanlış negatif sınıfı azaltılıp Test veri setinde ki çıktı iyileştirilmiştir.