Diabet diagnosis with support vector machines and multi layer perceptron

Kurt M. S., Ensari T.

2017 Electric Electronics, Computer Science, Biomedical Engineerings' Meeting (EBBT), İstanbul, Türkiye, 20 - 21 Nisan 2020, (Tam Metin Bildiri) identifier

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Doi Numarası: 10.1109/ebbt.2017.7956757
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Hakkari Üniversitesi Adresli: Evet

Özet

Diyabet (Şeker hastalığı) genellikle kalıtımsal ve çevresel etkenlerin birleşimi ile oluşan ve kan glukoz seviyesinin aşırı derecede yükselmesiyle sonuçlanan metabolik bir bozukluktur. Bu çalışmada, diyabet hastalığı öznitelik vektörlerinin destek vektör makineleri(support vector machines-SVM) ve yapay sinir ağları (çok katmanlı algılayıcı) ile sınıflandırılmasına dayalı bir diyabet hastalığı teşhisi yapılmaktadır. Teşhis için kullanılan yapay sinir ağları çok katmanlı algılayıcılardır. Destek vektör makinaları ise SVM-Lineer, SVM-Polinomsal ve SVM-Radyal Tabanlı modeller alınmıştır. Sınıflandırma işleminde kullanıcak olan diyabet hastalığı verileri UCI web sitesinin arşivlerinden elde edilerek, uygun bir formatta düzenlenmiştir. Çalışmada verilerimizin çeşitli algoritmalarda hastalığı tespit oranları karşılaştırılmıştır. Çalışmadaki doğru teshiş başarısı çok katmanlı algılayıcıda %77.08, destek vektör makinelerindede lineer kernel için %77.47, polinomsal kernel için %55.33, radyal tabanlı kernel ve sigmoid tabanlı kernel için %65.10 olarak ölçülmüştür. En yüksek başarı %77.47 ile SVM lineer öğrenme yöntemi ile ölçülmüştür.

Diabet is one of the metabolic trouble which is generally occurs genetic and environmental components. It happens increasing of blood level. In this study, diabet illness has been diagnosed with its features by classification with support vector machines (SVM) and artificial neural networks (multi layer perceptron). The method used for diagnosis is aritificial neural networks multi layer perceptron. We used SVM-Linear, SVM-Polinomial and SVM-Radial models. Diabet data set which will be used in our experiments obtained from UCI web site and organized. In this study, we compared several algorithms to diagnose illness rates. Diagnose right predictions (accuracy) are %77.08 for multi layer perceptron, %77.47 for support vector machines, %55.33 for polynomial kernel, %65.10 for radial based kernel and sigmoid kernel. Maximum recognition rate is %77.47 for SVM learning method.