Makine Öğrenimi Algoritmaları ile Otistik Spektrum Bozukluğu Tanısı Koyma

Abstract

Otizm kişilerin çevreleriyle normal ilişkiler kurmakta zorlandığı gelişimsel bir bozukluktur. Erken teşhis otizmli kişilerin eğitilip normal ilişkiler kurmasında büyük önem taşımaktadır. Bu çalışmada, otizmin erken teşhisine yardımcı olup otizmli bireylerin gelişimine katkı sağlayabilmek için Naive Bayes, Lojistik Regresyon, K-en Yakın Komşu ve Rastgele Orman algoritmalarıyla otizme erken teşhis konulması hedeflenmiştir. Çalışmanın gerçekleştirilmesi için otizmli kişilerin bebeklik, ergenlik ve yetişkinlik dönemlerinin olduğu veri setleri kullanılmıştır. Ham veri kullanılarak herhangi bir optimizasyon yapılmadan elde edilen modeller ile veriler üzerinde aykırı verilerin temizlenmesi, eksik verilerin ortalama değerle doldurulması, öznitelik seçimi ve parametre optimizasyonları sonrasında elde edilen modellerin başarı durumları karşılaştırılmıştır. Yapılan çalışmalar sonucunda veri ön işleme ve parametre optimizasyonu yapılmadan elde edilen sonuçlara oranla; bebeklik veri setinde Naive Bayes %3.78, Lojistik Regresyon %10.34, K-en Yakın Komşu %0.92 ve Rastgele Orman algoritması %11.02, ergenlik veri setinde Naive Bayes %7.01, Lojistik Regresyon %25.97, K-en Yakın Komşu %7.25 ve Rastgele Orman algoritması %16.13, yetişkinlik veri setinde Naive Bayes %2.27, Lojistik Regresyon %10.43, K-en Yakın Komşu %1.13 ve Rastgele Orman algoritması %5.69 performans artışı göstermiştir. Bu çalışma, veri ön işleme ve parametre optimizasyonları sonrasında elde edilen modellerin başarı oranlarının ham veri seti ile herhangi bir optimizasyon ve veri ön işleme adımı uygulamadan elde edilen modellere göre arttığını göstermektedir.