Vücut yağ yüzdesi tahmini için özellik seçim yöntemlerinin karşılaştırılması

Çağımızın yaygın olarak görülen sağlık problemlerinden biri olan obezite, kişinin yaşam kalitesine olumsuz etkisinin yanında birçok rahatsızlığa da sebep olmaktadır. Vücut yağ yüzdesi, obezitenin teşhis edilmesinde en önemli göstergedir. Vücut yağ yüzdesinin ölçülmesi için çeşitli cihaz ve ekipman mevcuttur. Ancak bunlar ile ölçümün gerçekleştirilmesi yüksek maliyetlidir ve kullanımları sınırlıdır. Bu değerin hızlı, kolay, maliyetsiz ve yüksek doğruluk ile belirlenmesi ise en az obezitenin teşhis edilebilmesi kadar önemlidir. Antropometrik verilerden hesaplanabilen vücut yağ yüzdesi değerini makine öğrenmesi algoritmaları ile güvenli bir şekilde hesaplamak mümkündür. Bir regresyon problemi olarak ele alınan vücut yağ yüzdesi, literatürdeki birçok çalışma tarafından başarılı şekilde tahmin edilmiştir. Ancak veri setindeki yüksek boyutlu, alakasız ve gereksiz verilerin bulunması makine öğrenmesi algoritmalarının doğruluğunu saptırmakta ve modelin eğitim süresini arttırmaktadır. Makine öğrenmesi algoritmalarını daha az özellik ile kullanarak daha yüksek doğruluğun elde edilmesini sağlayan özellik seçim algoritmaları bulunmaktadır. Özellik seçimi sayesinde daha az veri ile çalışmak işlem yükünün azalmasının yanı sıra boyut probleminin etkisini azaltarak modelin tahmin performansını geliştirebilir, öğrenme sürecini hızlandırır ve problemin makine öğrenmesi modelleri tarafından daha iyi anlaşılmasını sağlar. Bu çalışmada vücut yağ yüzdesi tahmini için sekiz farklı özellik seçim algoritması karşılaştırılıp daha az özellik ile daha yüksek doğrulukta sonuçların elde edilmesi sağlanmıştır. Özellik seçim yöntemlerinin farklı modellere etkisini incelemek için dört makine öğrenmesi yöntemi kullanılmıştır. Bu makine öğrenmesi algoritmalarının eğitim süreleri karşılaştırılmıştır. Deneysel çalışmalar sonucunda özellik seçim yöntemleri kullanılarak daha az özellik ile modelin eğitimi için daha kısa süre harcanarak daha yüksek doğrulukta tahminler elde edilebileceği gösterilmiştir.