How to cite: KızıltaÅŸ Koç Å, Yeniad M. Diabetes prediction using machine learning techniques. Akıllı Sistemler ve Uygulamaları Dergisi (Journal of Intelligent Systems with Applications) 2021; 4(2): 150-152. DOI: 10.54856/jiswa.202112183
Full Text: PDF, in English.
Total number of downloads: 601
Title: Diabetes Prediction Using Machine Learning Techniques
Abstract: Technologies which are used in the healthcare industry are changing rapidly because the technology is evolving to improve people's lifestyles constantly. For instance, different technological devices are used for the diagnosis and treatment of diseases. It has been revealed that diagnosis of disease can be made by computer systems with developing technology.Machine learning algorithms are frequently used tools because of their high performance in the field of health as well as many field. The aim of this study is to investigate different machine learning classification algorithms that can be used in the diagnosis of diabetes and to make comparative analyzes according to the metrics in the literature. In the study, seven classification algorithms were used in the literature. These algorithms are Logistic Regression, K-Nearest Neighbor, Multilayer Perceptron, Random Forest, Decision Trees, Support Vector Machine and Naive Bayes. Firstly, classification performance of algorithms are compared. These comparisons are based on accuracy, sensitivity, precision, and F1-score. The results obtained showed that support vector machine algorithm had the highest accuracy with 78.65%.
Keywords: Machine learning, diabetes prediction, classification algorithms, accuracy
Başlık: Makine Öğrenmesi Tekniklerini Kullanarak Diyabet Tahmini
Özet: Teknoloji, insanların yaşam biçimini iyileştirmek için sürekli gelişmekte olduğundan, bunun bir sonucu olarak sağlık sektöründe kullanılan teknolojiler de hızla değişmektedir. Örneğin hastalıkların teşhis ve tedavisinde farklı teknolojik cihazlar kullanılmaktadır. Gelişen teknoloji ile birlikte bilgisayar sistemleri ile hastalıkların teşhisinin yapılabileceği ortaya çıkmıştır. Makine öğrenmesi algoritmaları birçok alanda olduğu gibi sağlık alanında da yüksek performans göstermesi nedeniyle sıklıkla başvurulan araçlardır. Bu çalışmanın amacı, diyabet teşhisinde kullanılabilecek farklı makine öğrenmesi sınıflandırma algoritmalarının araştırılması ve literatürdeki metriklere göre karşılaştırmalı analizlerini yapmaktır. Çalışmada, literatürde sıkça kullanılan yedi sınıflandırma algoritması kullanılmıştır. Bu algoritmalar, Lojistik Regresyon, K-En Yakın Komşu, Çok Katmanlı Algılayıcılar, Rastgele Orman, Karar Ağaçları, Destek Vektör Makinesi ve Naive Bayes sınıflandırma algoritmalarıdır. İlk olarak algoritmaların sınıflandırma başarıları karşılaştırılmıştır. Bu karşılaştırmalar, doğruluk, duyarlılık, kesinlik ve F1 skoru oranları üzerinden yapılmıştır. Elde edilen sonuçlar, destek vektör makinesi algoritmasının %78.65 ile en yüksek doğruluk oranına sahip olduğunu göstermiştir.
Anahtar kelimeler: Makine öğrenmesi, diyabet tahmini, sınıflandırma algoritmaları, doğruluk