Erken dönem diyabet riskinin makine öğrenmesi ve istatistiksel yöntemlerle tahmini

Makine öğrenmesi ve istatistiksel yöntemler, sağlık, ekonomi ve diğer birçok sektörde büyük verilerin doğru ve anlamlı bir şekilde analiz edilmesine ve iş yükünün hafifletilmesine katkıda bulunmaktadır. Bu tez çalışmasında, literatüre katkı sağlamak amacıyla yüksek doğruluklu tahmin oranına sahip, makine öğrenmesi temelli, diyabet hastalığı erken teşhis modelleri geliştirilmiştir. Sağlık sektörü açısından, bu modellerin erken teşhislerde klinik karar süreçlerine etkili bir şekilde yardımcı olması beklenmektedir. Tezde sağlık verisinin elde edilmesinden kaynaklanan zorlukların sentetik veriler aracılığıyla üstesinden gelinmesine, erken dönem diyabet riskine yol açan faktörlerin araştırılmasına ve belirli klinik bulguların çeşitli durumların tahmininde kullanılmasına yardımcı olacak makine öğrenmesi temelli yaklaşımlar önerilmiştir. Ayrıca kullanılan veri setinde demografik değişkenlerin istatistiksel analizlerine yer verilmiştir. Tez çalışması kapsamında kullanılan veri setinin boyutunun küçük olması ve sınıf dengesizliği içermesi durumu detaylı olarak ele alınmıştır. SMOTE, ROS, RUS ve ADASYN sınıf dengesizliği stratejileri diyabet erken teşhis tahmini problemi özelinde açıklanarak uygulanan makine öğrenmesi yöntemlerinin başarısı üzerinde nasıl performans gösterdikleri detaylı olarak sunulmuştur. Elde edilen sonuçlarda SMOTE ve ADASYN yöntemleriyle veri setinin dengelenmesi sonrasında elde edilen başarı oranlarının esas veri seti üzerinden eğitilen makine öğrenmesi modellerine göre başarı metriklerinin (doğruluk, F1 skor, Kappa, hassasiyet, Roc AUC) genellikle arttırdığı görülmüştür. Özellikle YSA, DVM ve RO modelleri için yüksek doğruluk değerleri elde edilmiştir. DVM algoritması ADASYN uygulanması ile 0.99, SMOTE uygulanması ile 0.98 doğruluk değeri almıştır. YSA ve RO ise ADASYN ile 0.99 doğruluk değeri vermiştir. Bu sonuçlar, ADASYN ve SMOTE yöntemlerinin genel olarak dengesiz veri seti üzerinde sınıflandırma performansını arttırdığını göstermiştir. RUS ile dengelenen veri setinin ise herhangi bir performans artışına katkı sağlamadığı tespit edilmiştir.