Principal Component Analysis Using For Estimating Hypertension

Abstract

Otuz yaş ve üzerindeki 150 hastadan, hipertansiyona etki etmesi muhtemel bilgilerden; cinsiyet, yaş, lipid profili, trigliserid, vücut kütle indeksi, ürik asit ve sigara kullanımı verileri toplanmış ve bir hipertansiyon veritabanı oluşturulmuştur. Bu kişilerden 65'i sağlıklı, geriye kalan 85 kişi ise hipertansiyon hastasıdır. Bu veritabanından hipertansiyon hastalığının Temel Bileşen Analizi kullanılarak tahmin edilmesi amaçlanmıştır. Gereç ve Yöntem: Naive Bayes, Çok Katmanlı Algılayıcı Ağ (ÇKA), Karar Tablosu ve C4.5 sınıflandırma algoritmaları uygulanmış, ardından Temel Bileşenler Analizi uygulanarak hipertansiyon veritabanının boyutu indirgenmiş ve aynı sınıflandırma algoritmaları tekrar uygulanmış ve sonuçlar karşılaştırılmıştır. Bulgular: Aynı şartlarda işleme sokulan algoritmalardan en başarılı sonucu %88 doğruluk oranıyla Naive Bayes sınıflandırıcısı vermiştir. Naive Bayes sınıflandırıcısını sırasıyla %85,33 başarı oranıyla Karar Tablosu algoritması, %82,67 başarı oranıyla ÇKA algoritmaları takip etmiştir. Hipertansiyon veritabanına TBA analizi uygulanıp, aynı şartlarda aynı algoritmalar tekrar işleme sokulup, TBA uygulanmayan sonuçlarla kıyaslandığında ise, C4.5 algoritması normalden %4 daha başarılı sonuç vererek en başarılı algoritma olmuştur. C4.5 algoritmasını sırasıyla %2,67 daha başarılı sonuç veren Karar Tablosu algoritması ve %1,33 daha başarılı sonuç veren ÇKA izlemiştir. Sonuç: Naive Bayes sınıflandırıcı haricindeki tüm algoritmalarda Temel Bileşenler Analizi'nin sınıflandırma başarısını artırdığı görülmüştür.