Makine Öğrenmesi Teknikleriyle Diyabet Hastalığının Sınıflandırılması

Abstract

Diyabet, dünya çapında artan ve gerçekleşen ölümlerin önde gelennedenlerinden biridir. Sürekli artan vaka sayısı diyabetin önlenmesi, erken teşhisi,tedavisi ve takibi konularında bilimsel çalışmalara ihtiyaç duyulduğunugöstermektedir. Son dönemlerde medikal alanda yaşanan teknolojik gelişmelersayesinde elde edilen verinin analiz edilmesi, hastalıkların tanı ve tedavi sürecineolumlu katkılar yapmaktadır. Diyabet hastalığı kapsamında da araştırmacılar,hastalığın teşhis edilmesine yönelik, veriye dayalı sistematik yaklaşımlargeliştirmeye çalışmaktadırlar. Bu amaç doğrultusunda çalışmada, 1999-2008yılları arasında ABD’de bulunan 130 hastanedeki 70000 kayda ait sağlıkvakalarından elde edilmiş veri seti düzenlenerek, bireylerin diyabet durumunagöre sınıflandırılması hedeflenmiştir. Sınıflandırma için veri setine uygun makineöğrenmesi algoritmalarından yararlanılmış ve bu algoritmaların sonuçlarıperformans ölçütlerine göre karşılaştırılmıştır. Elde edilen sonuçlara göre, en iyiperformans gösteren beş sınıflandırma algoritması (Karar ağaçları, k-en yakınkomşuluk, Lojistik regresyon, Naive Bayes ve Rastgele orman) değerlendirmeyealınmış olup en iyi doğru sınıflandırma performansı Rastgele orman algoritması ileelde edilmiştir.

Diabetes is one of the leading causes of rising and occurring deaths worldwide. The ever-increasing number of cases indicates the need for scientific studies on the prevention, early diagnosis, treatment, and follow-up of diabetes. Analyzing the data obtained with the recent technological developments in the medical field makes positive contributions to the diagnosis and treatment process of diseases. As related to diabetes, researchers are trying to develop data-based systematic approaches to diagnose the disease. Following this purpose, the study aims to classify individuals according to their diabetes status by arranging a data set obtained from 70000 records of health cases in 130 hospitals in the USA between 1999-2008. Machine learning algorithms suitable for the data set are used for the classification and the results of these algorithms are compared regarding the performance criteria. According to the results, the best performing five classification algorithms (Decision trees, k-nearest neighborhood, Logistic regression, Naive Bayes, and Random forest) are evaluated and the best classification performance is obtained with the Random forest algorithm.