Lojistik regresyon analizi ve makine öğrenmesi uygulamaları

"Lojistik Regresyon Analizi ve Makine Öğrenmesi Uygulamaları" adı altında hazırlanan bu çalışma beş bölümden oluşmaktadır. Birinci bölümde; tezin amacı ve literatür araştırması yer almaktadır. İkinci bölümde; ikili ve çoklu lojistik regresyon modellerinin elde edilmesi için gerekli olan rassal değişken, olasılık dağılımı, dağılım fonksiyonu, olasılık yoğunluk fonksiyonu, binom dağılımı, maksimum olabilirlik tahmini, Newton Raphson yöntemi, üstünlük oranı, model oluşturma ve model değerlendirme ifadeleri yer almaktadır. Üçüncü bölümde; regresyon analizi ifadesine yer verilmiş olup ikili ve çoklu lojistik regresyon modelleri matematiksel ispatlar kullanılarak elde edilmiştir. Dördüncü bölümde; ilk veri kümesi için ikili, ikinci veri kümesi için çoklu lojistik regresyon modeli oluşturulmuştur. Oluşturulan modellerin β katsayıları hem cebirsel işlemler hem de oluşturulan matlab kodu ile iki farklı şekilde hesaplanmıştır. Sonrasında ise model değerlendirmeleri yapılarak modellerin başarıları ölçülmüştür. Beşinci bölümde, sonuç olarak dördüncü bölümdeki veri kümeleri için oluşturulan lojistik regresyon modellerindeki β katsayılarının hem cebirsel işlemler hem de oluşturulan matlab kodunun çalıştırılması sonucunda aynı değerleri verdiği gösterilmiştir. Ayrıca k-katlı çapraz geçerlemeler sonucunda iki model içinde ortalama başarılar gösterilip model başarıları hakkında yorumlar yapılmıştır. Anahtar Kelimeler: Makine Öğrenmesi, Gözetimli Öğrenme, Sınıflandırma Algoritmaları, Maksimum Olabilirlik Tahmini, Lojistik regresyon