Publication: Hibrit sınıflandırma sistemi ve kural çıkarmada farklı bir yaklaşım
Abstract
HİBRİT SINIFLANDIRMA SİSTEMİ VE KURAL ÇIKARMADA FARKLI BİR YAKLAŞIM ÖZET Farklı yapıda veriler içeren veri kümelerini sınıflandırmada başarı oranını yükseltmek amacıyla değişik yöntemlerin güçlerini birleştiren hibrit yapılar denenmektedir. Veri kümelerini sınıflandırmak amacıyla geliştirilen Hibrit Sınıflandırma Sistemi ile bu sistemden kurallar elde etmek amacıyla farklı bir yaklaşıma sahip olan Kural Çıkarma Sistemi’nin önerildiği bu çalışma dört bölümden oluşmaktadır. Birinci bölümde, Hibrit Sınıflandırma ve Kural Çıkarma Sistemlerini oluşturan Yapay Sinir Ağları, Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi, Destek Vektör Makineleri, Özellik Seçimi ve C5.0 yöntemleri açıklanmıştır. İkinci bölümde, Hibrit Sınıflandırma ve Kural Çıkarma Sistemlerinin oluşturulması anlatılmış, sistemlere ilişkin algoritmalara yer verilip çalışma prensipleri üzerinde durulmuştur. Üçüncü bölümde, Hibrit Sınıflandırma ve Kural Çıkarma Sistemlerinin sınanması gerçekleştirilmiştir. Bu amaçla UCI Machine Learning Repository’den alınan cleveland kalp hastalıkları ve hepatit hastalığı veri kümeleri kullanılmıştır. Sistemlerden elde edilen sonuçlar bu verileri sınıflandırmak üzere daha önceki çalışmalarda geliştirilen sistemlerden elde edilen sonuçlar ile karşılaştırılmıştır. Karşılaştırma sonucunda önerilen sistemlerin önceki sistemlere göre daha iyi sonuçlar verdiği görülmüştür. Çalışmanın son bölümü olan dördüncü bölümde ise Hibrit Sınıflandırma ve Kural Çıkarma Sistemlerine ilişkin sonuç ve değerlendirmelere yer verilmiştir. stemler, Sınıflandırma, Yapay Sinir Ağları, Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi, Destek Vektör Makineleri, Özellik Seçimi, C5.0 Algoritması, Kural Çıkarma. HYBRID CLASSIFICATION SYSTEM AND A DIFFERENT APPROACH IN RULE EXTRACTION
Hybrid structures, combining the power of different methods, being tested to increase the classification success rate of data sets that contain different structure variables. This study, which is proposed Hybrid Classification System developed for the purpose of classifying data sets and Rule Extraction System obtain rules from this system with different approach, consists of four parts. In the first section; Artifical Neural Network, Adaptive Neuro Fuzzy Inference System, Support Vector Machine, Feature Extraction, and C5.0. methods which are forming Hybrid Classification System and Rule Extraction System have been explained. In the second section, constraction of Hybrid Classification and Rule Extraction Systems has been explained, and given the algorithms of the systems and has been focused on the working principle of them. In the third section, the testing of Hybrid Classification and Rule Extraction Systems has been performed. For this purpose cleveland heart disease and hepatitis disease data sets has been used. The results obtained from these systems has ben compared with the results obtained from the systems which were developed previous studies. As a result of comparison has been seen that the proposed systems gives better results than the previous ones. In the last part of the study, the fourt section, the results and evaluations of Hybrid Classification and Rule Extraction Systems have been given. Hybrid Systems, Classification, Artifical Neural Network, Adaptive Neuro Fuzzy Inference System, Support Vector Machine, Feature Selection, C5.0 Algoritm, Rule Extraction.
Hybrid structures, combining the power of different methods, being tested to increase the classification success rate of data sets that contain different structure variables. This study, which is proposed Hybrid Classification System developed for the purpose of classifying data sets and Rule Extraction System obtain rules from this system with different approach, consists of four parts. In the first section; Artifical Neural Network, Adaptive Neuro Fuzzy Inference System, Support Vector Machine, Feature Extraction, and C5.0. methods which are forming Hybrid Classification System and Rule Extraction System have been explained. In the second section, constraction of Hybrid Classification and Rule Extraction Systems has been explained, and given the algorithms of the systems and has been focused on the working principle of them. In the third section, the testing of Hybrid Classification and Rule Extraction Systems has been performed. For this purpose cleveland heart disease and hepatitis disease data sets has been used. The results obtained from these systems has ben compared with the results obtained from the systems which were developed previous studies. As a result of comparison has been seen that the proposed systems gives better results than the previous ones. In the last part of the study, the fourt section, the results and evaluations of Hybrid Classification and Rule Extraction Systems have been given. Hybrid Systems, Classification, Artifical Neural Network, Adaptive Neuro Fuzzy Inference System, Support Vector Machine, Feature Selection, C5.0 Algoritm, Rule Extraction.