Türkiye Covid-19 günlük hasta sayısındaki değişimin sınıflandırılmasına yönelik tahmininin destek vektör makineleri ve k-en yakın komşu algoritmaları ile gerçekleştirilmesi

Abstract

ÖzCovid-19 virüsü hayatımıza girdiği Aralık 2019'dan bu yana etkinliğini kaybetmeden tüm dünyayı etkilemeye devam etmektedir. Dünya sağlık örgütünün önerileri, ülkelerin kendi bünyelerinde aldıkları tedbirler ve aşı çalışmaları virüsün üstesinden gelmek için büyük önem arz etmektedir. Bu bağlamda birçok bilimsel çalışma virüsün geleceği için değerli bilgiler ortaya koymuştur. Çalışmada Türkiye Covid-19 günlük hasta sayısındaki değişimin sınıflandırılmasına yönelik tahminler destek vektör makinesi ve k-en yakın komşu algoritmaları ile yapılmıştır. Günlük hasta sayısının sınıflandırılmasının tahmininde etkin rol oynayan öznitelikler 'pozitif çıkma oranı', 'filyasyon oranı', 'işyerleri hareketliliği' ve 'parklardaki hareketlilik' olarak belirlenmiştir. Bu etkin öznitelikler yardımıyla yapılan günlük hasta sayısının sınıflandırılması tahmininde de k-en yakın komşu algoritmasının (%84.7) en başarılı algoritma olduğu gözlemlenmiştir.

Classification of the death ratio of COVID-19 Pandemic using Machine Learning Techniques

“…There are many different improved versions of these approaches in order to increase the accuracy of the statistical analysis. For example, some of the developments in the prediction of COVID-19 infected person, analyzing clinical images of COVID-19 patients [11,12,13,14], examining blood samples of COVID-19 patients, predicting the out brake of the pandemic [15,16], and other factors that affects the COVID-19 cases [17,18]. Many previous studies based on artificial intelligence models generally used routine blood values and computed tomography (CT) data [19,20,21].…”