dc.contributor.author |
Can, Celal |
|
dc.contributor.author |
Kaya, Yasin |
|
dc.contributor.author |
Kilic, Fatih |
|
dc.date.accessioned |
2022-03-09T07:48:38Z |
|
dc.date.available |
2022-03-09T07:48:38Z |
|
dc.date.issued |
2021-12 |
|
dc.identifier.citation |
Can, C. , Kaya, Y. & Kılıç, F. (2021). Salp Sürü Algoritması ile Öznitelik Seçimi ve Sınıflandırıcı Performans Değerlendirmesi . Avrupa Bilim ve Teknoloji Dergisi , Ejosat Özel Sayı 2021 (ICCEES) , 12-16 . DOI: 10.31590/ejosat.1005417 |
tr_TR |
dc.identifier.issn |
2148-2683 |
|
dc.identifier.uri |
http://openacccess.atu.edu.tr:8080/xmlui/handle/123456789/3843 |
|
dc.identifier.uri |
https://doi.org/10.31590/ejosat.1005417 |
|
dc.description |
TR Dizin indeksli yayınlar koleksiyonu. / TR Dizin indexed publications collection. |
tr_TR |
dc.description.abstract |
Son yıllarda doğadan esinlenen sürü tabanlı algoritmalar arasında yer alan Salp Sürü Algoritması oldukça popüler olmuştur. Bu çalışmada, Salp Sürü Algoritması kullanılarak farklı veri setleri üzerinde öznitelik seçimi yapılmış, farklı sınıflandırıcılar ile bazı performans metrikleri karşılaştırılmıştır. Deneysel sonuçların hesaplanması için UCI Makine Öğrenmesi Deposunda yer alan BreastCancer, Colon ve Ionosphere veri setleri kullanılmıştır. Sınıflandırıcı olarak k En Yakın Komşu Algoritması, Destek Vektör Makineleri ve Rastgele Orman Algoritması kullanılmıştır. Sayısal sonuçlar incelendiğinde, çalışma zamanı bakımından kNN algoritması ile yapılan testler genellikle en hızlı algoritma olmuştur. Seçilen öznitelik sayısı bakımından ise SVM ve RF algoritmaları daha iyi sonuç vermiştir. |
tr_TR |
dc.description.abstract |
Salp Swarm Algorithm, a nature-inspired swarm-based algorithm, has become very popular in recent years. This study uses Salp Swarm Algorithm for feature selection and tries different classifiers as fitness functions on various datasets. BreastCancer, Colon, and Ionosphere databases in the UCI Machine Learning Repository are used as test datasets. k Nearest Neighbor Algorithm (kNN), Support Vector Machines (SVM), and Random Forest Algorithm (RF) are used as classifiers. When the experimental results are examined, the kNN algorithm is generally the fastest in terms of runtime. However, considering the number of selected features, SVM and RF algorithms achieve better results. |
|
dc.language.iso |
tr |
tr_TR |
dc.publisher |
Avrupa Bilim ve Teknoloji Dergisi (EJOSAT) = European Journal of Science and Technology / Osman SAĞDIÇ |
tr_TR |
dc.relation.ispartofseries |
2021;Issue: 30 |
|
dc.subject |
Öznitelik seçimi |
tr_TR |
dc.subject |
Salp sürü algoritması |
tr_TR |
dc.subject |
Doğadan esinlenen algoritmalar |
tr_TR |
dc.subject |
Sınıflandırıcı algoritmaları |
tr_TR |
dc.subject |
Feature selection |
tr_TR |
dc.subject |
Salp swarm algorithm |
tr_TR |
dc.subject |
Nature-inspired algorithms |
tr_TR |
dc.subject |
Classification algorithms |
tr_TR |
dc.title |
Salp Sürü Algoritması ile Öznitelik Seçimi ve Sınıflandırıcı Performans Değerlendirmesi |
tr_TR |
dc.title.alternative |
Feature Selection Using Salp Swarm Algorithm and Classifier Performance Evaluation |
tr_TR |
dc.type |
Article |
tr_TR |