Çocuklarda Anemi Hastalığının Teşhisinde Topluluk Öğrenme Yöntemlerinin Kullanılması

Abstract

Okul öncesi çocukların en yaygın hastalığı, özellikle gelişmekte olan ülkelerde, anemi olarak bilinmektedir. Anemi genellikle kötü beslenme ile ilişkili olup, demografik ve sosyal faktörlerle de yakından ilişkilidir. Önceki çalışmalarda, çocuklardaki anemi hastalığını tahmin etmek ve ilişkili faktörleri belirlemek için istatistiksel yöntemler kullanılmıştır. Ancak, bu yöntemlerin yetersiz olduğu sonucuna varılmıştır. Bu çalışmada, çocuklarda anemi hastalığını tahmin etmek için topluluk öğrenme (ensemble learning) tekniklerinin kullanımı araştırılmıştır. Anemi hastalığını tahmin etmek için Karar Ağacı, Destek Vektör Makineleri, Rastgele Orman, Lojistik Regresyon, En Yakın Komşu gibi çeşitli makine öğrenmesi algoritmaları test edilmiştir. Daha sonra bu sınıflandırıcılar, torbalama (bagging), artırma (boosting), istifleme (stacking) gibi öğrenme teknikleri ile modellenerek daha doğru ve güçlü bir tahmin modelinin oluşturulması amaçlanmıştır. Bu çalışmada kullanılan veri seti, Irak'ın Haditha Genel Hastanesi ve kliniklerinden toplanan 600 örneği içermektedir. Bu örneklerden 429'u anemi hastası iken, 171'i anemi hastası değildir. İlgili veri setinde her bir örneğe ait 31 özellik bulunmaktadır. Veri seti üzerinde farklı topluluk tekniklerinin performansları değerlendirilmiştir. Sonuçlara göre topluluk öğrenme teknikleri bireysel sınıflandırıcılara göre daha az doğrulukla tahminde bulunmuştur. Ayrıca, topluluk öğrenme teknikleri arasında artırma yönteminin en yüksek doğruluğa (%91) eriştiği görülmüştür. Çalışma, topluluk öğrenme tekniklerinin çocuklarda anemi hastalığını tahmin etmek için farklı bir yöntem olabileceğini göstermektedir. Ancak, gelecekteki araştırmalarda veri önişleme, özellik seçimi gibi yöntemlerin kullanılmasının topluluk öğrenme modellerinin performansını artırmada etkili olabileceği öngörülmektedir.