Hepatit Hastalığının Tespitinde Bulanık Mantık ve Makine Öğrenmesi Yöntemlerinin Karşılaştırılması

Abstract

Yaygın bir karaciğer rahatsızlığı olan hepatit, dünya çapında önemli halk sağlığı sorunlarından biridir. Klinik verilerin doğru yorumlanması, hepatit tanısının yapılabilmesi için ele alınması gereken en önemli sorunlardan birisidir. Bu çalışmada, ölümcül hepatit hastalığının tanısı için öznitelik seçimi yöntemi uygulanarak, bulanık modelleme ile çeşitli makine öğrenmesi yöntemlerinin hastalık tespitindeki başarısı karşılaştırılmıştır. Çalışmada UCI makine öğrenimi deposundan edinilen hepatit veri seti kullanılmıştır. Kullanılan veri seti ilk olarak veri ön işlemeden geçirilmiş, sınıflandırma başarısının artırılması için öznitelik seçimi ile veri setindeki özellik sayısı azaltılmıştır. Özellik sayısı azaltılan veri seti kullanılarak bulanık model ve makine öğrenmesi modelleri denenmiştir. Elde edilen sonuçlar çeşitli metrikler kullanılarak değerlendirilmiştir. Yapılan çalışmalar sonucunda Bulanık Mantık yöntemi ile doğruluk %94 olurken, Gradient Boosting algoritması ile doğruluk, kesinlik, duyarlılık ve f-skor metriği açısından sırasıyla %98.36, %98.68, %98.95 ve %98.91 olarak hesaplanmıştır. Elde edilen sonuçlar, hepatit hastalığının teşhisinde makine öğrenmesi yöntemlerinden Gradient Boosting yönteminin diğer makine öğrenme yöntemlerine ve bulanık yaklaşıma göre daha başarılı olduğu görülmüştür.