Sınıflandırma problemlerine destek vektör regresyon tabanlı doğrusal olmayan yeni bir yaklaşım

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: Türkçe

Öğrenci: Esra Betül KINACI

Danışman: Hasan Bal

Özet:

Sınıflandırma problemi, öne sürüldüğünden beri güncelliğini koruyan hatta artan teknolojik gelişmeler ile yüksek hacimli bilgi ve verinin varlığı dolayısıyla kendine farklı uygulama alanları bulan bir problem türüdür. En temel şekliyle sınıflandırma probleminin tanımı, hali hazırda var olan bir bilgiyi ya da türetilen bilginin kullanılarak verilerin belirli kategorilere ayrılmasıdır. Sağlıktan ekonomiye, hizmet sektöründen görüntü işlemeye kadar çok zengin kullanım alanına sahip olan sınıflandırma kavramı, yapay zeka, makine öğrenmesi, veri madenciliği, derin öğrenme gibi kavramlarla iç içe geçmiş durumdadır. Sınıflandırma problemi bu denli geniş bir çalışma alanına sahip olması bu problemin çözümü için önerilen yöntemlerinde çeşitliliğini arttırmıştır. Naive Bayes, Lojistik Regresyon veya Çok Katmanlı Algılayıcılar gibi olasılıksal sınıflandırıcılar, K-ortalama, Hiyerarşik Kümeleme gibi kümeleme algoritmaları, Destek Vektör Makineleri ve çeşitli matematiksel yöntemler sınıflandırma problemi için geliştirilen sınıflandırma algoritmalarının birkaçıdır. Bu tez çalışması Destek Vektör Regresyon ve Matematiksel Programlamaya dayalı yeni bir veri sınıflandırma yöntemi sunmaktadır. Önerilen yöntem iki aşamalı hibrit bir yapıdan oluşmaktadır. İlk aşamada, destek vektör regresyon denklemi ile her bir birim için sınıflandırma skoru elde edilirken ikinci aşamada ise birimlerin sınıflandırma skorları kullanılarak bir matematiksel model yardımıyla sınıflandırma kuralı oluşturulmuş ve birimlerin sınıflandırılması sağlanmıştır. Önerilen yöntem geleneksel yöntemlere alternatif bir yenilik sunmaktadır. Geleneksel matematiksel programlamaya dayalı yöntemler sınıfları doğrusal bir fonksiyon ile ayırmaktadır. Bu durum ise matematiksel programlamaya dayalı algoritmalarının kullanımını kısıtlamaktadır. Önerilen yöntem ise hem doğrusal ayrılabilen hem de doğrusal ayrılamayan veri yapılarının tamamında kullanılabilir olmasının yanı sıra ikiden fazla grubun olduğu problem türlerine kolaylıkla uygulanabilmektedir. Önerilen model önce simülasyon ile irdelenmiş sonrasında literatürde yer alan gerçek veri setlerinde uygulanmış ve sınıflandırma performansı mevcut yöntemlerle karşılaştırılmıştır. Elde edilen sonuçlar tablolarda verilmiş ve önerilen modelin mevcut algoritmalara alternatif olabileceğini gösterilmiştir.

Anahtar Kelimeler : Sınıflandırma, Destek Vektör Regresyon, Matematiksel Programlama