Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma
Yıl: 2017 Cilt: 9 Sayı: 1 Sayfa Aralığı: 45 - 67 Metin Dili: Türkçe DOI: 10.5336/biostatic.2016-52498 İndeks Tarihi: 15-03-2019
Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma
Öz: Amaç: Bu çalışmada, önceden tanımlı iki veya daha fazla grubun üyelerini tahmin etmekve sınıflandırma fonksiyonlarını geliştirmek için diskriminant analizi (DA), çok terimli lojistikregresyon (MLR) ve regresyon ağacı (CART) olarak adlandırılan üç farklı yöntem ele alınmıştır.Bu çalışmanın temel amacı, DA, MLR ve CART analizi kullanılarak sınıflandırma yapmaktır.Gereç ve Yöntemler: Bu üç yöntem arasında en temel farklardan biri, CART parametrik olmayanbir teknik olmasına karşın, diğer ikisi bazı temel varsayımlara dayanan parametrik yöntemlerdir.Bir diğer önemli fark, DA ve MLR bireysel türler için grup üyeliğinin olasılıklarını üretirken,CART sadece farklı türler için ortalama olasılıkları üretir. Bulgular: Bu yöntemlerin uygulaması,Kuzey-Batı Anadolu, Bozcaada, Gökçeada, Edirne ve Istranca olmak üzere toplam beşfarklı bölgeden elde edilen, yedi farklı Apodemus türlerine ait iki ayrı veri seti için sınıflandırmayapılmış ve sonuçlar tablolar halinde sunulmuştur. Sonuç: Çalışmada parametrik olmayan biryöntem olan karar ağacı algoritmalarıyla parametrik yöntemler olarak bilinen diskriminant velojistik regresyonun sınıflama özellikleri karşılaştırılmaktadır. Her iki uygulama sonucunda, enyüksek sınıflandırma oranı çok terimli lojistik regresyon analizi ile elde edilmiştir.
Anahtar Kelime: Konular:
Statistical Classification Methods to Determine Members of the Group: A Comparative Study
Öz: Objective: In this paper, three different methods are considered such as discriminate analysis (DA), multinomial logistic regression (MLR) and regression and classification tree (CART) in order to develop classification functions and predict the membership of objects into two or more predefined groups. The main purpose of the study is to make classification using DA, MLR and CART analysis. Material and Methods: . One of the main differences among these three methods is that CART is a nonparametric technique, whereas the other two are the parametric method based on some basic assumptions. Another important difference is that DA and MLR produce the probability of group membership for individual species, whereas CART produces only average probability for different species. In the classification using DA, MLR and CART analysis was conducted and the results are presented in tables. Results: The application of the three techniques is illustrated by comparing seven different Apodemus species obtained from five different regions including Northwest Anatolia, Bozcaada, Gökçeada, Edirne and Istranca. Conclusion: In this study, a non-parametric methods, which decision tree algorithms and known as parametric methods, discriminant and logistic regression classification features are compared. In a result of both applications, the highest classification rate are obtained using logistic regression analysis.
Anahtar Kelime: Konular:
Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
- Kim M. Two-stage logistic regression model. Expert Syst Appl 2009;36(3):6727-34.
- Fisher RA. The use of multiple measurements in taxonomic problems. Annals of Eugenics 1936;7(2):179-88.
- Tatlıdil H. [Applied Multivariate Statistical Analysis]. [Diskriminant (Ayırma) Analizi]. 1. Baskı. Ankara: Cem Web Offset; 2002.p.256-89.
- Hosmer DW, Lemeshow S. Applied Logistic Regression. . Introduction to the Logistic Regression Model.1st ed. New York: John Wiley and Sons; 1989.p.5-50.
- Kleinbaum GD, Klein M. Intraduction to logistic regression. A Self-learning Text Logistic Regression. 3 rd ed. New York: Springer; 1994. p.1-8.
- Worth AP, Cronin MTD. The use of discriminant analysis, logistic regression and classification tree analysis in the development of classification models for human health effects. J Mol Struc (Theochem) 2003;622(1-2):97-111.
- Kachigan SK. Statistical Analysis: An interdisciplinary intoduction to univariate and multivariate methods. Discriminant Analysis. 1st ed. New York: Radius Press; 1986. p.357-75.
- Manly FJB. Discriminant function analysis. Multivariate Statistical Methods. 2nd ed. London: Chapman-Hall; 1994. p.107-125.
- Oğuzhan A, Aydın D. [Discrimination analysis of relationships between different apodemus species living in Trakya and Western Anatolia]. University of Trakya Journal of Social Sciences 2014;1(1):4-7.
- Tabachnick BG, Fidell S. Using Multivariate statistics. Logistic Regression. 6st ed. Boston: Allyn and Bacon; 2013.p.432-79.
- Cox DR, Snell EJ. Analysis of binary data. Introduction. 2st ed. London: Chapman and Hall/CRC;1989.p.10-1.
- Ledolter J. Data mining and business analytics with R. Multinomial Logistic Regression. 1st ed. Newyork: John Wiley and Sons; 2013.p.132-47.
- Temel GO, Çamdeviren H, Akkuş Z. [Diagnosis for the Restless Legs Syndrome (RLS) Patients by means of Classification Trees]. Journal of Inonu University Medical Faculty 2015;12(2):111-7.
- Deconinck E, Hancock T, Coomans D, Massart DL, Heyden YV. Classification of drugs in absorption classes using the classification and regression trees (cart) methodology. J Pharm Biomed Anal 2005;39(1-2):91-103.
- Kurt I, Ture M, Kurum AT. Comparing performances of logistic regression, classification and regression tree, and neural networks for predicting coronary artery disease. Expert Syst Appl 2008;34(1):366-74.
- Teng JH, Lin KC, Ho BS. Application of classification tree and logistic regression for the management and health intervention plans in a communitybased study. J Eval Clin Pract 2007;13(5):741-8.
- Ayık YZ, Özdemir A, Yavuz U. [Analysis with data mining techniques of the relationship earned high school graduation success and type of high school]. Ataturk University Journal of Social Sciences Institute 2007;10(2):441-54.
- Berry MJ, Linoff GS. Why and what is data mining? Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. 2nded. New York: John Wiley & Sons; 2004. p.1-10.
- Güner ZB. [Cart and logistic regression analysis in data mining: an application on pharmacy provision system data]. Sosyal Güvenlik Uzmanları Derneği Sosyal Güvence Dergisi 2014;6:59-61.
- Silahtaroğlu G. [Basic data mining with concepts and algorithms]. Karar ağaçları. 2. Baskı İstanbul: Daisy Publishing Training; 2008.p.45-7.
- Grabczewski K. Validated Decision Trees versus Collective Decisions. In: Jędrzejowicz P., Nguyen N.T., Hoang K. (eds) Computational Collective Intelligence. Technologies and Applications. ICCCI 2011. Lecture Notes in Computer Science, Springer, Berlin, Heidelberg; 2011. vol 6923. p.342-351.
- Breiman L, Friedman JH, Olshen RA, Stone CJ. Classification and regression trees. The Multiclass Problem: Unit Costs. 1st ed. Belmont, California: Taylor & Francis; 1984. p.103-8.
| APA | İŞÇİ GÜNERİ Ö, Aydin D (2017). Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. , 45 - 67. 10.5336/biostatic.2016-52498 |
| Chicago | İŞÇİ GÜNERİ ÖZNUR,Aydin Dursun Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. (2017): 45 - 67. 10.5336/biostatic.2016-52498 |
| MLA | İŞÇİ GÜNERİ ÖZNUR,Aydin Dursun Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. , 2017, ss.45 - 67. 10.5336/biostatic.2016-52498 |
| AMA | İŞÇİ GÜNERİ Ö,Aydin D Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. . 2017; 45 - 67. 10.5336/biostatic.2016-52498 |
| Vancouver | İŞÇİ GÜNERİ Ö,Aydin D Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. . 2017; 45 - 67. 10.5336/biostatic.2016-52498 |
| IEEE | İŞÇİ GÜNERİ Ö,Aydin D "Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma." , ss.45 - 67, 2017. 10.5336/biostatic.2016-52498 |
| ISNAD | İŞÇİ GÜNERİ, ÖZNUR - Aydin, Dursun. "Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma". (2017), 45-67. https://doi.org/10.5336/biostatic.2016-52498 |
| APA | İŞÇİ GÜNERİ Ö, Aydin D (2017). Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. Türkiye Klinikleri Biyoistatistik Dergisi, 9(1), 45 - 67. 10.5336/biostatic.2016-52498 |
| Chicago | İŞÇİ GÜNERİ ÖZNUR,Aydin Dursun Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. Türkiye Klinikleri Biyoistatistik Dergisi 9, no.1 (2017): 45 - 67. 10.5336/biostatic.2016-52498 |
| MLA | İŞÇİ GÜNERİ ÖZNUR,Aydin Dursun Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. Türkiye Klinikleri Biyoistatistik Dergisi, vol.9, no.1, 2017, ss.45 - 67. 10.5336/biostatic.2016-52498 |
| AMA | İŞÇİ GÜNERİ Ö,Aydin D Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. Türkiye Klinikleri Biyoistatistik Dergisi. 2017; 9(1): 45 - 67. 10.5336/biostatic.2016-52498 |
| Vancouver | İŞÇİ GÜNERİ Ö,Aydin D Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma. Türkiye Klinikleri Biyoistatistik Dergisi. 2017; 9(1): 45 - 67. 10.5336/biostatic.2016-52498 |
| IEEE | İŞÇİ GÜNERİ Ö,Aydin D "Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma." Türkiye Klinikleri Biyoistatistik Dergisi, 9, ss.45 - 67, 2017. 10.5336/biostatic.2016-52498 |
| ISNAD | İŞÇİ GÜNERİ, ÖZNUR - Aydin, Dursun. "Grup Üyelerini Belirlemede İstatistiksel Sınıflandırma Yöntemleri: Karşılaştırmalı Bir Çalışma". Türkiye Klinikleri Biyoistatistik Dergisi 9/1 (2017), 45-67. https://doi.org/10.5336/biostatic.2016-52498 |
