Predicting COVID-19 Infection Using Machine Learning Methods Combined with Feature Selection

Authors : Umut Ahmet ÇETİN, Fatih ABUT

Pages : 52-58

Doi:10.31590/ejosat.1132337

View : 14 | Download : 11

Publication Date : 2022-07-15

Article Type : Research Paper

Abstract :COVID-19, 31 Aralık 2019'dan itibaren dünyayı etkisi altına alan ve Mart 2020'de DSÖ tarafından pandemi ilan edilen bir enfeksiyondur. Bu çalışmada, yeni nitelik seçme tabanlı COVID-19 tahmin modelleri oluşturmak ve COVID-19 enfeksiyonunun tahmini için etkili değişkenleri ayırt etmek için minimum fazlalık maksimum önem (mRMR) ve Relief-F nitelik seçiciler ile ayrı ayrı birleştirilmiş Çok Katmanlı Algılayıcı (MLP), Tree Boost (TB), Radyal Temelli Fonksiyon Ağı (RBF), Destek Vektör Makinesi (SVM) ve K-Means Kümeleme (kMC) yöntemleri kullanılmıştır. Veri seti, 20.000 hasta (10.000 pozitif, 10.000 negatif) ile ilgili bilgileri içermektedir ve çeşitli kişisel, semptomatik ve asemptomatik değişkenlerden oluşmaktadır. Modellerin performansını değerlendirmek için doğruluk, duyarlılık ve F1-Skor metrikleri kullanılmıştır ve modellerin genelleme hataları 10 katlı çapraz doğrulama ile değerlendirilmiştir. Sonuçlar, bir hastanın COVID-19 enfeksiyonunu tahmin etmede mRMR’ın ortalama performansının Relief-F’den biraz daha iyi olduğunu göstermektedir. Ek olarak, mRMR’ın, COVID-19 tahmin değişkenlerinin göreceli alaka sırasını bulmada Relief-F algoritmasından daha başarılı olduğu gözlemlenmiştir. mRMR algoritması ateş ve öksürük gibi semptomatik değişkenleri vurgularken, Relief-F algoritması yaş ve ırk gibi asemptomatik değişkenleri öne çıkarmaktadır. Ayrıca, genel olarak MLP’nin COVID-19 enfeksiyonunu tahmin etmede diğer tüm sınıflandırıcılarından daha iyi performans gösterdiği de gözlemlenmiştir.
Keywords : Relief F, mRMR, makine öğrenmesi, tahmin, COVID 19, koronavirüs