Makine öğrenme yöntemleri kullanılarak kros kayakçıların performans tahmin edilmesi

Bu tezin amacı, makine öğrenimi ve nitelik seçme yöntemlerini kullanarak kros kayakçılarının yarış sürelerini tahmin etmek için yeni regüler ve nitelik seçimine dayalı modeller geliştirmektir. Optimize Edilmiş Genel Regresyon Sinir Ağı (OPGRNN), Genel Regresyon Sinir Ağı (GRNN), Destek Vektör Makinesi (SVM), Çok Katmanlı Algılayıcı (MLP), Radyal Temel Fonksiyon Sinir Ağı (RBFNN) ve Tekli Karar Agacı (SDT) olmak üzere altı popüler makine öğrenme yöntemi kullanılırken, özellik seçici algoritma olarak Relief-F uygulanmıştır. Zengin bir anket tabanlı veri seti ile birlikte fizyolojik verileri kullanarak kros kayakçılarının yarış sürelerini tahmin etmek için çeşitli modeller geliştirilmiştir. 10 kat çapraz doğrulama uygulanarak, modellerin tahmin hataları ortalama kare hatası (RMSE) hesaplanarak değerlendirilmiştir. Sonuçlar, OPGRNN tabanlı tahmin modellerinin üstün performans gösterdiğini ve kros kayakçılarının yarış süresini tahmin etmek için uygun bir araç olarak kategorize edilebileceğini göstermektedir. Ayrıca, egzersize dayalı olmayan kullanım ve daha geniş bir kros kayakçı grubuna uygulanabilirlik gibi önemli avantajlar, bu çalışmada önerilen tahmin modellerini kullanımı kolay ve daha değerli kılmaktadır. Anahtar Kelimeler: Makine Öğrenmesi, Yarış Zamanı, Kros Kayakçılar, Tahmin