Makine öğrenmesi yöntemleri ile diyabet hastalığı tahminleme

Günümüzde pek çok alanda yaygın olarak kullanılan yapay zeka, insanların karmaşık sorunları daha kolay ve hızlı çözümlemelerine yardımcı oluyor. Yapay zeka, insan zekasını taklit ederek, topladığı veriler aracılığıyla öğrenip, kendini geliştirebiliyor ve yenilik yapabiliyor. Sağlıkta alanında da yaygın olarak kullanılan makine öğrenimi teknikleri, erken teşhis ve yerinde teşhis sağlayarak, kolaylıklar sunmaktadır. Bu çalışma kapsamında, Spyder aracı üzerinde Python programlama dili kullanılarak, Logistic Regression, XGBoost, Naive Bayes, En Yakın Komşu, Destek Vektör Makineleri, Karar Ağacı gibi yaygın makine öğrenmesi teknikleri Diyabet verisine uygulanmış ve şeker hastalığı tespiti yapılmıştır. Diyabet hastalığı tespiti için makine öğrenimi yöntemleri uygulanıp, karşılaştırılarak, erken teşhis ve gelecekte teşhis öngörüsü için en etkili yöntemler belirlenmiştir. Bu çalışmanın amacı, toplam 768 hastadan toplanan verilere yapay zeka algoritmalarını uygulayarak, bu tekniklerden elde edilen sonuçlar kıyaslanmış, diyabet teşhisini en yüksek doğruluk oranında sağlayan algoritmanın bulunmasını kapsamaktadır. Bu tezde kullanılan yapay zeka algoritmaları Lojistik Regresyon, KNN, XGBoost, Naive Bayes, Rastgele Orman, Destek Vektör Makineleri, Karar Ağacı'dır. Algoritmalardan elde edilen sonuçlar kıyaslandığında en yüksek doğruluk oranı %96 ile Rastgele Orman ve KNN algoritması ile elde edilmiştir.