Genetik Algoritma Yaklaşımıyla Öznitelik Seçimi Kullanılarak Makine Öğrenmesi Algoritmaları ile Kalp Hastalığı Tahmini

Vatansever B., Aydın H., Çetinkaya A.

Journal of Scientific, Technology and Engineering Research, cilt.2, sa.2, ss.67-80, 2021 (Hakemli Dergi)

Özet

Günümüzde Yapay Zeka (YZ) uygulamalarından sağlık sektöründe pek çok hastalığın teşhis ve tedavisinde giderek artan oranlarda faydanılmaktadır. Bu çalışmanın amacı Genetik Algoritma (GA) yaklaşımı ile öznitelik seçimi yaparak Makine Öğrenmesi (MÖ) algoritmalarıyla kalp hastalığını tahmin etmek olarak belirlenmiştir. Bu kapsamda çalışmada MÖ algoritmalarından K-En Yakın Komşu (K-EYK), Lojistik Regresyon (LR), Karar Ağacı (KA), Rastgele Orman (RO), Naive Bayes (NB) ve Destek Vektör Makinesi (DVM) algoritmaları ile 3 (üç) farklı grupta toplamda 28 (yirmi sekiz) deney gerçekleştirilmiştir. Çalışma sonucunda en yüksek başarı oranı GA ile yapılan deneylerde %93.44 ile elde edilmiştir. Çalışmamızda yapılan diğer deneylerde ise LR ile %90.16, K-EYK ile %81.96, DVM ile %83.60, NB ile %85.24, KA ile %81.96 ve RO ile %83.60 oranında başarı oranı elde edilmiştir. Çalışmada ABD Cleveland eyaletindeki bireylerin verisini içeren veri seti kullanılmıştır. Araştırmamızda elde edilen sonuçlarda kalp hastalığı tahminin GA yaklaşımı ile öznitelik seçimi yapılması durumunda daha yüksek doğruluk oranının elde edildiği görülmüştür. Çalışmamızın GA ile öznitelik seçimi yapılarak MÖ ile kalp hastalığınınım tahmin edilmesinde sağlık alanındaki literatüre katkı sağlayacağı değerlendirilmektedir.

The aim of this study was determined as the prediction of heart disease by analyzing the factors that affect this disease with Machine Learning (ML) algorithms using the feature selection with the Genetic Algorithm (GA) approach. In this context, K-Nearest Neighbor (KNN), Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), Naive Bayes (NB) and Support Vector Machine (SVM) algorithms were used in the study.

Aim of Article : The purpose of this study is to predict heart disease with ML algorithms using feature selection with GA approach.

Theory and Methodology : In this study, ML methods and GA are used.

Findings and Results: In the study, the importance of feature selection with GA was emphasized by proving that the accuracy of heart disease prediction was higher after feature selection was made with GA in the data set.

Conclusion : As a result of the study, it has been shown that heart disease can be predicted with higher success rate and accuracy with ML algorithms using feature selection with the GA approach.