SAĞLIK HARCAMASININ TAHMİNİNDE MAKİNE ÖĞRENMESİ REGRESYON YÖNTEMLERİNİN KARŞILAŞTIRILMASI

Autor:	Songül Çınaroğlu
Jazyk:	English<br />Turkish
Rok vydání:	2017
Předmět:	makine öğrenmesi lasso regresyon rastgele ağaç regresyonu destek vektör regresyonu sağlık harcaması machine learning lasso regression random forest regression support vector regression health expenditure Technology Engineering (General). Civil engineering (General) TA1-2040
Zdroj:	Uludağ University Journal of The Faculty of Engineering, Vol 22, Iss 2, Pp 179-200 (2017)
Druh dokumentu:	article
ISSN:	2148-4147 2148-4155
DOI:	10.17482/uumfd.338805
Popis:	Farklı veri setleri üzerinde yapılan uygulamalar sonucunda modellenmesi zor olan değişkenlerin varlığında klasik regresyon yöntemlerine alternatif olarak makine öğrenmesi regresyon yöntemlerinin kullanımı tavsiye edilmektedir. Sağlık harcaması modellenmesi zor olan bir değişken olup, literatürde makine öğrenmesi regresyon yöntemleri karşılaştırılarak bu değişkenin modellendiği bir çalışmaya rastlanmamıştır. Bu çalışmada kişi başı sağlık harcamasının tahmini amacıyla bir çoklu regresyon modeli oluşturulmuştur. Farklı hiperparametre değerleri belirlendiğinde elde edilen Lasso Regresyon, Rastgele Ağaç Regresyonu ile Destek Vektör Makinesi Regresyon performans sonuçları karşılaştırılmıştır. Çalışmada hiperparametre değeri olarak Lasso Regresyon için lamda (λ) değeri, Rastgele Ağaç Regresyonu için ağaç sayısı, Destek Vektör Regresyonu için epsilon () değeri esas alınmıştır. Sonuçlar 5 ile 50 arasında değişen “k” parça çapraz geçerlilik uygulanarak performe edildiğinde makine öğrenmesi regresyon yöntemlerine ait performans sonuçlarının R2, RMSE ve MAE değerleri bakımından istatistiksel olarak anlamlı farklılıklar gösterdiği (p
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/947ca8a3ae82462c90e758a174e1ab4f Zobrazit plný text záznamu View record in DOAJ