EUVIMEDEUVIMED entdecken
Crossref

Makine Öğrenmesi Teknikleri ile Rozase Hastalığının Tanı ve Sınıflandırmasının İyileştirilmesi Üzerine Kesitsel Bir Çalışma

Burcu Durmuş

Gazi Üniversitesi Fen Fakültesi Dergisi · 26.05.2026 · 7 (1) · 14-30

DOI: 10.63716/guffd.1770600 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Gazi Üniversitesi Fen Fakültesi Dergisi, online erschienen am 26.05.2026. Verfasst von Burcu Durmuş. Die Arbeit nennt 31 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Günümüzde makine öğrenmesi ile veri analizi hastalık tanı ve teşhisinde güncel bir trend haline gelmiştir. Bu anlamda sağlık sektörü modern veri depolama sistemleri yardımıyla etkili tanı ve karar verme için büyük miktarlardaki henüz işlenmemiş verileri kolaylıkla toplayabilmektedir. En bilinen tanımıyla makine öğrenmesi, büyük veri kümelerinden gizli bilgileri çıkarma ve işleme sürecidir. Kümeleme, sınıflandırma, ilişki analizi, regresyon vb. gibi birçok makine öğrenmesi yaklaşımı mevcuttur. Bu çalışmanın amacı, farklı sınıflandırma tekniklerini kullanarak rozase hastalığını (gül hastalığı) tahmin etmektir. RStudio aracında uygulanan deneysel sonuçlar, radyal tabanlı destek vektör makinelerinin diğer yöntemlerden daha doğru sonuçlar ürettiğini göstermektedir.

Zitieren

APA

Durmuş, B. (2026). Makine Öğrenmesi Teknikleri ile Rozase Hastalığının Tanı ve Sınıflandırmasının İyileştirilmesi Üzerine Kesitsel Bir Çalışma. Gazi Üniversitesi Fen Fakültesi Dergisi, 7(1), 14-30. https://doi.org/10.63716/guffd.1770600

Vancouver

Durmuş B. Makine Öğrenmesi Teknikleri ile Rozase Hastalığının Tanı ve Sınıflandırmasının İyileştirilmesi Üzerine Kesitsel Bir Çalışma. Gazi Üniversitesi Fen Fakültesi Dergisi. 2026;7(1):14-30. doi:10.63716/guffd.1770600

BibTeX
@article{Durmu2026,
  author = {Durmuş, Burcu},
  title = {Makine Öğrenmesi Teknikleri ile Rozase Hastalığının Tanı ve Sınıflandırmasının İyileştirilmesi Üzerine Kesitsel Bir Çalışma},
  journal = {Gazi Üniversitesi Fen Fakültesi Dergisi},
  year = {2026},
  volume = {7},
  number = {1},
  pages = {14--30},
  doi = {10.63716/guffd.1770600}
}
Kostenlos starten →