Bagging and Boosting Methods for Predicting Mortality of Patients with COVID-19

Authors : Hilal ARSLAN

Pages : 221-226

Doi:10.24012/dumf.1095858

View : 10 | Download : 5

Publication Date : 2022-06-28

Article Type : Research Paper

Abstract :COVID-19 salgını iki yıldan fazla bir süredir devam etmekte ve artan sayıda ölüm meydana gelmektedir. COVID-19 hastalarının sonuçlarını tahmin etmek için kolektif öğrenme teknikleri etkin bir şekilde kullanılmaktadır. COVID-19 hastasının ölüm tahmini, yakın ölüm riskini azaltmak ve etkili klinik tedavi stratejisini uygulama açısından son derece önemlidir. Bu çalışmada, COVID-19 hastalarının mortalitesini tahmin etmek için torbalama ve artırma yöntemleri uyguluyoruz. Altı farklı karar ağacı yöntemi, C4.5, Random tree, REPTree, Logistic Model Tree, Decision Strump ve Hoeffding Tree algoritmaları, torbalama ve artırma yöntemlerinde temel öğrenici olarak kullanılmaktadır. Sonuçlar, 1085 hastadan elde edilen bilgileri içeren gerçek dünya veri seti kullanılarak elde edilmiştir. Deneysel sonuçlar, temel öğrenici olarak REPTree kullanılarak torbalamanın %97,24 doğruluk elde ettiğini göstermektedir. Ayrıca sonuçlarımızı en son teknoloji sonuçlarla karşılaştırdığımızda önerilen yöntemin doğruluk açısından daha yüksek bir performansa sahip olduğu ve takdire şayan bir performans sergilediği görülmektedir.
Keywords : COVID 19, SARS CoV 2, Kolektif Öğrenme, Torbalama, Yükseltme