Abstract:
İstatiksel veri analizi, farklı veritabanlarında sınıflandırma yapabilmek için metot_x000B_gelistirmeyi içerir. Bu veritabanları farklı sektörlere ait olabilir. Örneğin finans,_x000B_endüstri, gıda, biyomedikal vb. Asıl amaç bir hastayı, bir ürünü veya herhangi bir_x000B_seyi sınıflandırarak bir sonuç elde etmektir._x000B_Bu çalısmada , biyomedikal analiz için sınıflandırma metotlarını kullandık._x000B_Örnek veritabanımız, kanserin en büyük sebeplerinden biri olan meme kanseri_x000B_verilerini içermektedir. Çünkü meme kanserinin teshisi büyük önem tasımaktadır._x000B_Veritabanımızda, sınıflandırma için kullanılacak 9 öznitelik bulunmaktadır. Bu_x000B_öznitelikler sayılardan olusmaktadır. ?lerleyen bölümlerde bu özniteliklerin detayları_x000B_verilecektir. FNA islemi sonucunda sayısal veriler alındıktan sonra, sınıflandırma_x000B_etiketleri klasik yöntemlerle veya sınıflandırma algoritmaları ile verilebilir._x000B_Veritabanımızda gerçek tanı değerleri bulunan bir sütun bulunmaktadır. Bu çalısma,_x000B_sınıflandırma algoritmalarının önemini vurgulamaktadır._x000B_Çalısmada farklı algoritmalar ve metotlar kullanılmıs, gerçek sonuçlar baz_x000B_alınarak hesaplanan doğruluk oranları verilmistir. Elde edilen sonuçlar_x000B_karsılastırılmıstır. Böylece, bilgisayar programlarının, hastalık tanılarında_x000B_kullanılması için yeni fikirler olusabilir. Bilgisayar destekli tanı islemi daha yaygın_x000B_sekilde kullanılabilir. Statistical data analysis includes developing methods for classification of various_x000B_databases. These databases may have data about lots of sectors for example financial,_x000B_industrial, food, biomedical or etc. The main aim is to get a result by making a_x000B_classification for a product, patient or something._x000B_In this study, we used classification methods for biomedical analysis. Our sample_x000B_database has breast cancer data which is one of the most cause of cancer, because_x000B_detection of this cancer is very important. Database has 9 attributes which is used for_x000B_classification. These attributes are numerical numbers. Explanations of attributes are_x000B_given in detail in following chapters. After having numerical numbers via FNA_x000B_procedure, class labels can be given both by classical examinations and by_x000B_classification algorithms. Our database includes a class column which real diagnosis_x000B_exists. This study aims to consider classification algorithms results carefully._x000B_Different methods and algorithms have been used; classification accuracies have_x000B_been given depending on real values. Results are compared and some ideas can arise_x000B_for using software programs to classify sickness instances. Computer supported_x000B_diagnosis can be used more commonly.
